待验证50% 置信事实精确时间
Donut（Document Understanding Transformer）无需OCR预处理即可端到端地从文档图像中提取结构化信息
1
来源数
50%
置信度
长期有效
时效性
2026/7/11
首次发现
来源
发票分析AI落地实战：模型选型与架构设计避坑指南
redditr/ollama2026/7/10
相关事实
待验证Donut是无OCR依赖的端到端文档理解模型，Pix2Struct将网页截图作为预训练数据，均为专用文档视觉编码器71% 相似待验证扫描件（图片型PDF）转可编辑文本必须依赖OCR功能，若软件宣传页未明确标注支持OCR，则只能提取原生文本层，对扫描件无效60% 相似待验证ColPali模型可以直接对文档页面图像进行编码，无需先进行OCR文字提取，从而保留版面布局信息59% 相似待验证--sref除了数字种子外，也支持直接传入图片URL来复刻参考图的风格56% 相似待验证导出格式看是否支持可搜索PDF（PDF+隐藏OCR文本层），只导出图片PDF的机型无法后续检索文字内容，归档需求必须确认此功能55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/486074API
curl https://kongchang.com/api/v1/knowledge/claims/486074MCP
get_claim(id=486074)