流程单拆格、读颜色和坐标走这里。需要带视觉能力的模型,例如通义 qwen-vl-max、GPT-4o、智谱 glm-4v。DeepSeek 目前没有视觉,不能用来拆版。
用于短文本、PDF 抽字、线上未开或失败时的备用。不建议再用 MiniCPM 做整页拆版。