腾讯开源 Youtu-Parsing-Omni：5B 全模态解析模型统一输出 JSON

2026年10月9日，腾讯在 Hugging Face 开源了 5B 参数的全模态解析模型 Youtu-Parsing-Omni。该模型支持单一输入，可处理文档页、图像、图表、几何图、音频以及音视频等多种模态内容，并统一以结构化 JSON 格式输出，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，旨在提供一体化的多模态文档与媒体解析方案。

AI 根据报道生成 · 37 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。