轻量级视觉语言模型 Dolphin：高效精准的文档结构化解析利器

在数字化办公和学术研究日益普及的今天，如何高效、准确地处理各类文档图像成为了一个亟需解决的问题。Dolphin 应运而生，作为一款基于异构锚点提示的多模态文档图像解析模型，它不仅打破了传统手动整理文档的繁琐流程，更以远超主流模型的解析精度和效率，为用户带来了全新的文档处理体验。

技术亮点

Dolphin 采用创新的“分析-解析”两阶段范式，有效应对文档图像中复杂元素交织所带来的挑战：

第一阶段：页面级布局分析

Dolphin 能够识别并生成符合自然阅读顺序的文档元素序列，包括文本段落、图表、表格、脚注等多种结构化组件，实现对整个页面的全面理解。

第二阶段：异构锚点提示驱动的并行解析

利用特定任务提示与异构锚点机制，Dolphin 可以并行高效地解析不同类型的文档元素，从而大幅提升解析速度和准确性。

核心功能

统一架构下的多任务解析 ：基于单一视觉语言模型完成从布局分析到内容提取的全过程。

高精度识别能力 ：在公式识别、表格提取等关键任务上表现优异，甚至超越 GPT-4.1 和 Mistral-OCR。

结构化输出支持 ：支持将文档解析结果导出为 JSON、Markdown、HTML 等多种格式，便于后续处理与集成。

轻量高效设计 ：总参数量仅为 322M，适用于资源受限环境，响应速度快。

多语言与多格式兼容 ：支持中文、英文等多语言文本解析，兼容学术论文、技术报告、扫描件等多种输入形式。

典型应用场景

1. 学术研究与论文管理

研究人员常常需要整理大量文献资料，尤其是PDF或扫描版论文。Dolphin 可一键将这些文档转化为结构化的 Markdown 或 JSON 数据，便于信息抽取、引用管理及知识图谱构建。

2. 企业合同与报告自动化处理

企业法务部门经常面临合同归档、条款提取等工作。Dolphin 能精准识别表格、条款段落、签名区域等内容，自动提取关键字段并生成标准化数据，大幅减少人工录入成本。

3. 教育领域的教学资源整合

教师和学生可以使用 Dolphin 快速将纸质教材、讲义扫描件转换为可编辑的电子文档，便于制作课件、复习笔记，提升学习效率。

4. 政府与公共机构的文档数字化

政府部门常有大量历史档案需要数字化归档。Dolphin 支持高质量 OCR 和结构化解析，能快速将扫描文件转为标准格式，助力政务信息化建设。

5. 技术文档与手册的智能维护

对于软件开发人员和技术支持团队而言，技术手册、API 文档往往杂乱难读。Dolphin 能有效提取代码块、公式、表格等内容，帮助构建清晰的文档体系，提升协作效率。

Dolphin 不仅是一个文档解析工具，更是通往智能化办公和高效信息管理的重要桥梁。无论你是科研人员、企业员工还是开发者，都能从中获得前所未有的便利与效率提升。

演示地址：http://115.190.42.15:8888/dolphin/

GitHub：https://github.com/bytedance/Dolphin