Tencent open-sources WeVisDoc document parsing model

小互 @xiaohuOriginally posted 2026.09.19

Open original on X

腾讯开源微信的端到端文档解析模型 WeVisDoc 一张图片直接出 Markdown WeVisDoc，有 2B 和 4B 两个版本 主要功能特点： 整页图片直接转 Markdown：输入一张文档页面图，模型一次输出完整页面，不需要先把标题、正文、表格和公式分别裁出来。 保留复杂文档结构：正文转成普通 Markdown，公式转成 LaTeX，表格转成 HTML，并按页面内容恢复阅读顺序。 单模型完成解析：版面理解、文字识别、公式识别和表格重建都由同一个视觉语言模型完成，不需要另外部署版面检测器和 OCR 引擎。 提供 2B 与 4B 两个版本：2B 更适合资源有限或清晰页面较多的场景；4B 在拍照、翻拍等退化页面上更有优势。