Datalab发布了OmniParseBench，这是一个开放式光学字符识别（OCR）基准测试。它提供16,288项是非题，用于评估OCR解析器处理真实文档的能力。测试涵盖以92种不同语言书写的2,937页内容。成绩以简单的通过率呈现，用户还可按语言、文字系统或标签细分查看。任何开发或比较OCR系统的人都可以免费使用该基准测试。
为什么重要
它让开发者和研究人员能够在涵盖多种语言的大型数据集上比较OCR工具，发现各自的优势与不足。
Datalab推出开放式OCR基准测试OmniParseBench
Datalab推出的OmniParseBench包含16,288项通过/未通过测试，覆盖2,937页、92种语言，可用于评估OCR解析器。
简讯作者： OossaOossa 发布日期: 1 分钟阅读
继续阅读
模型
Kandinsky S2V 1.0 开源音频驱动虚拟人视频模型发布
新版 Kandinsky S2V 1.0 Lite（2B）和 Pro（21B）可根据语音和单张照片生成 25 FPS 的口播视频，代码按 MIT 许可证免费开放。
模型
SpaceXSI发布Grok Voice 3.0，语音对话测试排名第一
新模型在Artificial Analysis的语音对语音指数中获得86.9分，超过OpenAI和Google，现已上线Voice Agent API。
模型
YouTube Music新增AI使用透明度标签
从Oct 14 2026起，YouTube Music将为使用生成式AI的曲目标注“Fully Gen AI”“Partly Gen AI”或“No Gen AI”。
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。