雲知聲

智通財經APP獲悉，雲知聲(09678)於2月26日發佈首個工業級文檔智能基礎大模型Unisound U1-OCR，開啓了OCR 3.0時代，為後續U1-OCR系列模型的迭代升級奠定了堅實基礎。今天（4月21日），歷經底層架構重構與海量真實場景打磨，雲知聲U1-OCR能力實現再度進化，推出系列模型。同時，該模型同步全量上線雲知聲Token Hub大模型服務平台，開放標準化API，支持一鍵接入、按需調用，採用Token計費模式，大幅降低企業接入成本與部署門檻，讓OCR 3.0時代的文檔智能能力惠及更多行業。

雲知聲U1-OCR架構範式升級，拋棄傳統NMS，用統一結構精修解決級聯誤差，複雜版面解析質的飛躍。技術實力經權威認證，公司多篇核心論文入選ACL2026，雙權威數據集登頂，性能可驗可追溯。此外，行業全場景適配，支持金融、醫療、教育、交通等複雜文檔處理，結構理解+順序恢復一步到位。

複雜文檔解析的典型難點在於，結構信息未被穩定整理，難以高效交付給下游模塊。U1-OCR的目標遠不只是“把文字識別出來”，更要切實解決複雜文檔頁面中的結構理解與閲讀順序恢復難題。針對這一行業普遍存在的問題，雲知聲在U1-OCR中採用了面向複雜文檔場景的解析設計，從本質上可拆解為兩個核心子任務：一是結構識別，即判斷頁面中每個區域的內容類型、確定需保留的區域；二是順序推理，即規劃保留區域的合理閲讀路徑。

圍繞這兩個任務設計專屬關鍵技術，U1-OCR不僅在多個公開權威數據集上取得了領先成績，更為真實業務場景中最容易被忽略的檢測器與解析器交接環節（detector-to-parserhandoff），提供了更穩定、更可靠的處理方式。

實驗結果同樣表明，在結構更復雜、佈局變化更豐富的頁面中，U1-OCR模型矩陣能更高效地處理區域邊界判定、類別區分與整體結構恢復問題，精準實現“將競爭候選假設穩定為解析器可用結構輸入”的設計目標。

這也意味着，文檔解析正從單純的OCR文字識別，升級為更貼合真實業務需求的文檔理解能力。此次U1-OCR全量上線雲知聲TokenHub大模型服務平台，同步開放標準化API和一鍵調用功能，將進一步降低文檔智能技術的使用門檻，為醫療、交通、金融、教育等多個行業，提供高效、精準的文檔解析服務，助力各行業順利實現數字化轉型升級。