尚未运行推理。点击右上方“开始真正推理”后，这里才显示模型生成的标题、段落和表格。
MVAI LEARNING CENTER · DOCUMENT AI · MULTI-MODEL LAB
实时文档结构化解析-DocTags
ⓘ
本平台面向文档结构化解析与多模型能力对比：对同一文档选择兼容模型，查看 DocTags、版面定位及结构化渲染结果，并比较不同模型的解析效果。
当前内置 IBM Granite Docling 258M 公开基线、OvisOCR3 0.8B、PaddleOCR-VL-1.6 0.9B，以及 MVAI-DocTags-DJX-0.8B-v1.0 · 自研和 MVAI-DocTags-WC-2B-v1.0 · 自研模型。OvisOCR3 与 PaddleOCR-VL-1.6 保留各自原生 Structured JSON / parsing_res_list 输出，不转换成 DocTags；均使用浏览器本机 WebGPU。
支持的模型在访问者浏览器中使用 WebGPU 推理，当前仍属实验功能。模型兼容性和解析准确率须按实际结果核验。
技术预览 · 首次加载 DJX-0.8B 约下载 2.52 GB，WC-2B 约下载 6.2 GB；OvisOCR3 与 PaddleOCR-VL-1.6 还需下载各自的模型资源。
ⓘ
建议使用支持 WebGPU 的桌面浏览器和稳定网络。模型下载后可复用浏览器缓存，但显存实例仍需初始化。请勿上传含敏感个人信息或未经授权的文档；模型兼容性与解析准确率尚待系统验收。
01 · 文档输入
ⓘ
可在示例文档、Docling 官方文档与本地图片之间切换；官方样例源自 IBM Granite Docling DEMO，文件已在本站本地托管。可上传已授权、已脱敏的 PNG、JPG、WebP 单页图片，最大 12 MB。用户上传文件在本机浏览器处理，不会自动发送到实验室服务器。所有示例图片从本站资源目录加载，无需访问外部图片服务。
02 · WebGPU 推理
ⓘ
模型在访问者本机使用 WebGPU 计算，不需要实验室 GPU。浏览器可能因显存、驱动或算子兼容性导致运行失败。这里展示 IBM 公开基线模型，不是实验室自研权重。
正在检测 WebGPU…
ⓘ
内置 IBM Granite Docling 258M 公开基线、MVAI-DocTags-DJX-0.8B-v1.0 · 自研和 MVAI-DocTags-WC-2B-v1.0 · 自研。两款自研模型使用独立 ONNX/WebGPU 适配器，需支持 shader-f16；其他公开 ONNX 模型仍须单独验证兼容性。
ⓘ
Granite 的 fp32/q4 用于切换同一模型的精度；DJX-0.8B 和 WC-2B 使用固定混合精度（视觉 FP32、文字 FP16）；OvisOCR3 与 PaddleOCR-VL-1.6 使用各自已验证的固定 WebGPU 配置，不提供 q4 切换。
尚未加载模型
等待推理
模型管理 添加 / 移除兼容 ONNX 模型
仅接受公开且与当前 DocTags processor、提示词和输入输出接口兼容的 ONNX 仓库。登记不代表兼容或下载成功。不要填写访问令牌。
本地缓存 查看 / 保留模型文件
权重文件通常可通过浏览器 Cache Storage 复用，但重开页面后仍需重新初始化 GPU 实例；浏览器可自动清理缓存，不同站点域名不能共享缓存。
03 · 推理结果对照
ⓘ
左侧为原图和真实位置框；右侧按所选模型的原生输出重建阅读结果。Granite/DJX/WC 使用 DocTags，OvisOCR3 保留 Structured JSON，PaddleOCR-VL-1.6 保留 parsing_res_list 与 OTSL。不同格式不会相互转换。
原始文档图像及定位标注
推理后结构化结果按模型输出重建
对照区已准备就绪。右侧不会显示事先制作的推理结果。
04 · 模型原始输出与技术诊断
模型生成的标签将出现在这里。
05 · 多模型结果对比 暂无推理记录
ⓘ
两份解析结果按各自滚动范围的相同比例同步，方便比较长文档。不同模型的段落数量和阅读顺序可能不同，因此不表示精确内容匹配。
模型 A
请先完成一次真实推理。
模型 B
请再运行一个模型，或切换另一种精度配置。
这里只保存当前页面内同一输入图片的推理结果；更换图片或刷新页面会清空对比历史，不会将私人文档文本写入浏览器持久存储。不同模型的结构块数量不能直接代表准确率。
MVAI Learning Center · Browser WebGPU technical preview · 未经实际 GPU 推理验收不得标记为正式可用