Dolphin - Modelo grande de análise de documentos leves e de código aberto do Wordpress

Dolphin是什么

Dolphin 是字节跳动开源的轻量级文档解析大模型，具有322M参数，体积小且运行速度快。模型基于两阶段解析方法，基于页面级布局分析识别文档中的元素（如标题、表格、公式等），再对每个元素进行内容解析，模型支持文本、公式、表格等多种元素的提取，支持输出JSON、Markdown、HTML等格式。Dolphin 适用学术研究、商业办公、教育、技术开发等多种场景，能高效处理学术论文、商业报告、技术文档等，助力文档数字化与信息提取，提升办公效率。

Dolphin的主要功能

• Análise de layout：精准识别文档中的标题、图表、表格、脚注等各类元素，依据自然阅读顺序，生成清晰的元素序列，为后续内容解析奠定基础。
• extração de conteúdo：将文档页面解析为结构化的JSON或Markdown格式，便于后续处理与展示。
• 文本解析：准确提取文档中的文本内容，涵盖中文、英文等多种语言。
• reconhecimento de fórmulas：支持复杂行内公式和块级公式的识别，输出为LaTeX格式，方便学术和技术文档处理。
• 表格解析：支持解析复杂表格结构，提取单元格内容生成HTML格式表格，满足多种应用场景需求。
• Arquitetura leve：模型参数量为322M，体积小、速度快，适合在资源受限的设备或环境中使用。
• 多样化输入输出：支持学术论文、商业报告、技术文档等多种文档图像输入，解析结果支持输出为JSON、Markdown、HTML等多种格式，便于与不同系统集成。

Dolphin的官网地址

• Repositório do GitHub::https://github.com/bytedance/Dolphin
• Biblioteca do modelo HuggingFace::https://huggingface.co/ByteDance/Dolphin
• Artigo técnico do arXiv::https://arxiv.org/pdf/2505.14059
• Demonstração da experiência on-line::http://115.190.42.15:8888/dolphin/

如何使用Dolphin

• Demonstração da experiência on-line：访问Dolphin在线体验Demo地址，用户直接上传文档图像进行解析，无需安装或配置任何环境。
• GitHub仓库部署::
  • armazém de clones::

git clone https://github.com/bytedance/Dolphin.git
cd Dolphin

• • Instalação de dependências::

pip install -r requirements.txt

• • Download do modelo pré-treinado：根据GitHub仓库中的说明，下载、解压预训练模型文件。
  • código de execução：按照仓库中的示例代码运行Dolphin。例如：

from dolphin import DolphinParser

parser = DolphinParser(model_path="path/to/model")
result = parser.parse(image_path="path/to/document.jpg")
print(result)

• Biblioteca de modelos de rostos abraçados::
  • Instalação da biblioteca Hugging Face::

pip install transformers

• • Modelos de carregamento::

from transformers import AutoModelForDocumentParsing, AutoFeatureExtractor

model_name = "ByteDance/Dolphin"
model = AutoModelForDocumentParsing.from_pretrained(model_name)
feature_extractor = AutoFeatureExtractor.from_pretrained(model_name)

# 加载文档图像并进行预处理
image = feature_extractor(images="path/to/document.jpg", return_tensors="pt")

# 进行解析
outputs = model(**image)
# 处理输出结果

• • 处理输出结果：根据模型的输出格式（如JSON、HTML等），进一步处理和使用解析结果。

Dolphin的核心优势

• 轻量级与高效性：Dolphin 参数量仅322M，体积小、速度快，适合资源受限环境。
• 两阶段解析方法：先解析布局再解析内容，基于并行处理提升效率和准确性。
• 强大的文档解析能力：支持文本、表格、公式、图表等多种元素解析，覆盖复杂文档结构。
• Suporte a vários idiomas：准确识别中文、英文等多语言文本，满足多语言文档处理需求。
• 多样化的输入与输出：兼容多种文档格式输入，支持JSON、Markdown、HTML等格式输出，便于集成。
• Código aberto e facilidade de uso：代码和预训练模型开源，提供丰富资源，方便开发者快速上手和定制开发。
• Alto desempenho：在文档解析任务中超越GPT-4.1、Mistral-OCR等主流模型，在表格和公式识别方面表现出色。

Dolphin的适用人群

• pesquisador：快速解析学术论文中的文本、公式和图表，帮助研究人员高效整理文献和提取关键信息，加速科研工作。
• 企业办公人员：商务人士提取合同、报告等商业文档的关键信息，辅助合同审查和报告生成，提升办公效率。
• educador：教师和教育机构借助 Dolphin 将教材、试卷数字化，支持在线教学和多语言教学，丰富教学资源。
• Desenvolvedor de tecnologia：开发者解析技术文档，方便代码管理和技术交流，同时基于开源代码进行二次开发和定制化。
• crianças em idade escolar：学生快速整理学习资料，提取重点内容，辅助学习和复习。