腾讯 Youtu-Parsing-Omni 开源：5B 全模态解析模型，单一输入输出结构化 JSON

腾讯在 Hugging Face 开源 5B 参数的全模态解析模型 Youtu-Parsing-Omni，单一输入支持文档页、图像、图表、几何图、音频和音视频，输出统一 JSON 覆盖版面元素、文本、表格、公式、bbox、ASR、OCR、声学事件及镜头运动等感知与认知字段。