20M小模型的数学公式OCR，复杂公式截图秒转LaTeX代码！

对于常写文档、做数学研究、准备学术论文的同学来说，数学公式 LaTeX 化几乎是绕不开的痛点。

不过最近我发现了一个非常轻量、却非常强大的开源数学公式 OCR 模型 — Texo。

一个只有 20M 参数的小模型，识别准确度却能达到 BLEU 0.85+，关键是还能直接在浏览器中运行，零成本在线使用。

对于一个 OCR 公式识别模型来说，这是相当夸张的表现。

核心亮点

• • 极速推理：模型仅 20M 参数，推理极快。
• • 识别精度高：识别精度媲美百兆级模型，输出 LaTeX 几乎无需二次修改。
• • 直接运行：支持浏览器直接运行，无需后端服务器。
• • 本地部署：支持本地部署及多种运行方式。

快速入手

Texo上手零门槛，浏览器直用或本地部署。

官方直接上线有 Demo 版本，可以直接在浏览输入以下地址使用，上传图片即可。

https://texocr.netlify.app/ocr

配置环境

git clone https://github.com/alephpi/Texo
uv sync

下载模型

# model only
python scripts/python/hf_hub.py pull

为什么 20M 模型能做到这么强？

按经验来说，OCR + 数学公式解析是一项非常复杂的任务：

• • 公式符号多
• • 结构嵌套深
• • 上下标位置重要
• • 语义依赖长距离

理论上，小模型很难完成，但 Texo 居然做到了。

原因大概包含以下几点：

• • 任务本身是结构化的，不是完全自由文本。不像自然语言，公式的组合方式是有限的。
• • 训练数据高质量、结构明确。数学 OCR 有大量高质量的 LaTeX 渲染数据可用。
• • 针对公式任务优化的 Transformer 结构。
• • 符号密集型任务对模型鲁棒性要求更低

总之，Texo 的强大不是偶然，而是合理的技术路线 + 轻量化设计的优势结合。

实际使用场景

• • 写论文（LaTeX）：PDF 里的公式截图 → Texo → LaTeX → 直接粘贴。
• • 做课堂笔记：把书本、PDF、黑板、老师投影的内容快速转为LaTeX。
• • 开发者：想给自己的应用加入公式识别

写在最后

如果你经常与数学公式、LaTeX 打交道，那么你真的应该收藏 Texo。

它的优势非常明显：不仅轻量、准确度高、浏览器直跑，还开源、易集成。

真正把高难度的数学公式 OCR 技术拉到了大众可用的层级。

GitHub 项目地址：https://github.com/alephpi/Texo

如果本文对您有帮助，也请帮忙点个 赞👍 + 在看 哈！❤️

在看你就赞赞我！