蜡笔猫导航
它能做什么
- 将整页图像转换为结构化 Markdown
- 保留页面中的 LaTeX 数学公式
- 表格以 HTML 结构输出
- 基于 Qwen3-VL-2B/4B-Instruct 微调
- 开源，可自行部署
适合谁
- RAG 与知识库：把扫描页面转成可检索文本
- 文档数字化：提取页面文字、公式与表格
- 科研与教育资料：整理含公式和表格的页面图像
详细介绍
WeVisDoc 是腾讯开源的端到端文档解析项目，输入整页图像，输出结构化的 Markdown 内容，适合把扫描件、截图等页面图像转成可检索文本的知识库与 RAG 流程。项目基于 Qwen3-VL-2B-Instruct 与 Qwen3-VL-4B-Instruct 微调，能够识别页面内容并保留 LaTeX 数学公式和 HTML 表格等结构信息；安装、许可证与调用方式请参考 GitHub 仓库文档。
