dots.mocr：读出文档结构，也能把示意图交成SVG代码

论文里有一张立方体示意图，普通OCR读出molecule和L两个标签，并没有把线条、箭头和图形关系留下。dots.mocr提供了另一种输出：让图像变成SVG代码。它同时保留文档版面解析，二者解决的任务不同。

先认清名称：旧官方仓库的公告在2026年3月说明，dots.ocr-1.5已更名为dots.mocr，并另发布面向图像转SVG优化的dots.mocr-svg。旧截图仍可能保留1.5名称，不能因此把它当作另一款独立产品。

页面里每种内容，留成什么格式

官方提示定义把版面输出写得很具体：每个区域有坐标框、类别和相应文本，按人的阅读顺序排列。公式按LaTeX表达，表格按HTML表达，其他正文与标题用Markdown；Picture区域不要求填入文字字段。

这比一段连续文本更适合继续接阅读器或资料系统：程序可以知道哪块是标题、哪块是表格，也能把某段文字指回页面位置。它仍是模型预测，区域顺序、表格跨行和公式符号需要回到原页检查。

仓库还提供只检测布局、只取文字和给定框内取文字的提示。已有版面检测时，不必每次都让模型重做全部工作；只要一段原文时，也不必误把解释或翻译作为OCR结果。

图源：项目官方示例。中间上方为原图、下方为生成预览，右侧显示SVG代码；界面仍用更名前的1.5-svg名称。本文未运行模型，也未下载该例SVG检查编辑行为。

图中的箭头、虚线、阴影面与文字需要一起表达。SVG出口因而有不同于文字提取的价值：后续程序可以处理图形代码，而非只保存一张截图。是否便于改字、改颜色或继续编辑，还要看实际生成文件的元素组织，不能凭一张渲染图保证。

官方用prompt_image_to_svg描述这一任务，并提供专用svg型号；普通文档解析命令不是自动替所有插图重画矢量图。复杂化学结构、细节很多的图形，也不能因为已有一个立方体例子就推定都能正确还原。

文档解析产物包括布局JSON、拼接文本生成的Markdown和带区域框的预览图。另有去掉页眉页脚的Markdown版本，用于相关评测；整理真实文档时，应先确定那些页脚是否含有自己需要的来源信息，再决定采用哪份。

本地流程需要相应Python、模型与推理服务。代码与当前模型卡标MIT，输入图形的使用权不由模型许可代替。作者也明确保留复杂表格、公式和图形鲁棒性的限制，不能把榜单表现当成每份材料都准确的承诺。

对带图资料，先问清要留下什么：可搜索的文字、可定位的区域，还是能继续处理的图形代码。把目标选对，比把所有任务都叫“识别这张图”更容易得到有用成果。