面对海量文档中的复杂图表、表格和多语言内容，传统 OCR 常常力不从心，主要原因是其核心能力集中于文本识别，往往将图表、公式、UI 布局等复杂视觉元素简单裁剪为图像，导致文档结构被破坏、语义关系丢失，难以满足高质量信息提取与重建需求。
针对于此，华中科技大学和小红书 hi lab联合开源了 dots.mocr ，其能将文档中的文字、图表、表格等所有视觉元素，共同解析为统一的结构化数据，甚至能将图形直接转换为可编辑的 SVG 代码。 它不仅极大地提升了文档理解的深度和广度，更在复杂文档的自动化处理方面达到了行业领先水平。
目前，OpenBayes 官网的教程版块已上线「dots.mocr 多模态文档解析教程」， 在线体验多模态文档解析新范式。
在线运行链接：
Demo 运行
01
Demo 运行阶段
1.登录 OpenBayes.com，在「公共教程」页面，选择「dots.mocr 多模态文档解析」教程。
2.页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
3.选择「NVIDIA GeForce RTX 5090」以及「PyTorch」镜像，点击「继续执行」。新用户使用下方邀请链接注册，即可获得满 ¥10 赠 ¥10 优惠券，更有机会获得 ¥15 赠金！
小贝总专属邀请链接（直接复制到浏览器打开）：
4.等待分配资源，当状态变为「运行中」后，点击「打开工作空间」进入 Jupyter Workspace。
02
效果演示
页面跳转后，点击左侧 README 页面，进入后点击上方「运行」。
待运行完成，即可点击右侧 API 地址跳转至 demo 页面。
效果演示
教程链接：
