**Youtu-Parsing-Omni：单一编码器架构实现全模态文档解析新突破**

_Youtu-Parsing-Omni: One Encoder, One Schema, All Modalities_

> Youtu-Parsing-Omni 是一款全模态解析器，能将文档、图像、音频和视频转化为基于时空的结构化记录。该模型采用“单一编码器、单一架构”设计，通过共享权重的统一时空坐标系处理多模态数据，并利用自演化蒸馏技术（OSAD）实现十种解析任务的统一输出。在仅使用 50 亿参数的情况下，该模型在 OmniDocBench 和 OmniParsingBench 等基准测试中均取得了最先进性能，尤其在音频和视频解析及化学指纹识别方面表现卓越。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.39301)