一条命令把文档页面图片变成 Markdown

以前跑文档解析，得版面检测、OCR、公式识别一个个模型串着跑。环节一多，前面漏检一个区域，后面全跟着错。

腾讯新开源的 WeVisDoc 直接把这条路砍短了：输入一页图片，直接吐出结构化 Markdown。正文、LaTeX 公式、HTML 表格一次成型，插图直接忽略。它基于 Qwen3-VL 微调，有 2B 和 4B 两个规格。官方测试里，它在四个评测设置上都拿了端到端解析器第一。

用起来也省事。起个 vLLM 服务，一条命令就能批量解析整文件夹的图片。中断了重跑还能自动续传，结果先写临时文件再改名，不会留下半截文件。不想折腾部署的话，也能直接用 Transformers 加载权重跑单图。

不过这模型也有边界。它只认 JPG、PNG 等页面图片，PDF 得自己先转成图。每回只能传一张图，遇到复杂图表也没法理解。而且它把宝全押在了一个模型上，一旦出错没有中间结果能回退。另外仓库目前只有推理代码，没放训练细节。

想试的话建议先用 2B 版摸个底，拿几十页自己的真实文档跑一遍，重点盯一下公式和表格准不准。