看完电影《Her》，很多人都幻想拥有一个真正懂自己的 AI 伴侣，但市面上的智能音箱往往不够聪明，想自己动手做又被硬件门槛劝退。

原推文：https://x.com/i/status/2016509708174348465
作者：@GitHub_Daily
时间：2026-1-29 00:26:14

💡 核心观点

就在刚刚，百度重磅开源了新一代文档解析模型：PaddleOCR-VL-1.5。 仅 0.9B 参数，登顶 OmniDocBench V1.5 全球榜单，综合性能超越 Gemini-3-Pro、DeepSeek-OCR-2、GPT-5.2 模型。 GitHub：https://t.co/wfBarR8nkI 日常工作生活里，我们用手机随手拍摄的合同或发票照片，往往会出现倾斜、弯曲，甚至变形的情况。 若使用传统的 OCR 工具进行识别，经常会出现内容缺失，甚至完全无法识别的问题。 现在有了 PaddleOCR-VL-1.5 之后，这些难题便迎刃而解。 作为全球首个支持「异形框定位」的 OCR 模型，它能精准识别梯形、折叠、弯曲等非规则文档形态。 即使文档被揉皱，或因拍摄角度导致严重变形，它也能像扫描仪一样，把表格和文本结构 “一格一格” 地精准还原出来。 此外，模型还新增了「印章识别」与「跨页表格」自动合并能力，并针对生僻字、古籍及 109 种语言进行了专项优化，大幅提升了复杂业务场景下的落地稳定性 。 近半年来，全球 OCR 赛道竞争真的空前激烈。各大厂纷纷布局，相继推出了新一代模型，试图抢占文档解析这一高地。 而百度这次发布的 PaddleOCR-VL-1.5，算是切中了开发者最头疼的痛点：解决了那些棘手的「异形文档」识别。 让 OCR 不再局限于处理完美的扫描件，真正具备了在复杂业务场景下稳定干活的能力 。 目前模型权重已全部开源，开发者可以在 Hugging Face 上直接下载或在线体验。 在线体验：https://t.co/rg5cwGjO2H 模型下载：https://t.co/7kpA9radEN

🧵 深度展开

GitHub 上的 Buddie 这个开源项目，恰好提供了一整套从硬件设计到软件应用的“全栈”解决方案。

公开了完整的电路原理图、PCB

元数据
• 类型：推文
• 标签：#工具
• 收藏夹：工具 → X Posts/工具