Texo

20M 超轻量模型，浏览器里秒转公式为 LaTeX。

开源 🏷️完全免费 ✅ 目前可打开计算机视觉 🍴 复刻 56 👀 关注 4

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 920

维护状态维护中

是否开源开源

定价模式 🏷️完全免费支持限时试用 · 开源免费，提供浏览器在线体验

项目预览

项目数据

分类计算机视觉

开发团队alephpi

官网地址https://texocr.netlify.app

GitHubhttps://github.com/alephpi/Texo

定价模式🏷️完全免费

价格说明开源免费，提供浏览器在线体验

访问状态✅ 目前可打开

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型computer-vision,deep-learning,distillation-model,formula,formulanet,hydra,latex,latex-ocr,machine-learning,math,math-formula-recognition,ocr,ocr-recognition,python,pytorch,pytorch-lightning,transformers,unimernet,vision-encoder-decoder

GitHub 星标★ 920

上线时间2025-07-29 00:00:00

代码更新2026-09-18

仓库体积4.4 MB

本站数据更新2026-11-12

维护状态维护中

收录时间2026-09-29

浏览次数1

项目介绍

Texo 是一个超轻量的 LaTeX 公式识别模型，参数量仅 20M，却能达到 SOTA 级别的识别精度。它主要解决数学公式 OCR 场景中模型过大、难以在浏览器端实时运行的问题。核心能力包括：将图片中的数学公式自动转换为 LaTeX 代码，支持在浏览器中直接推理，无需后端 GPU 服务器。项目不仅提供预训练模型，还开源了完整训练流程（数据准备、蒸馏、训练、评估），方便研究者复现和二次开发。技术栈上使用 Python、Hydra 配置管理，并基于蒸馏模型与 FormulaNet 思路优化。适合教育、科研、文档数字化等场景，让公式识别更轻量、更易部署。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-29 · 当前星标 ★ 920

技术标签

computer-vision deep-learning latex machine-learning math

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 60 分钟部署方式：本地 GPU 4 步

环境要求

NVIDIA GPU（多卡更佳）
约 50GB 存储

安装与启动步骤

1克隆并拉权重

Texo 是机器人操作的数据与训练框架，权重通过自带脚本从 HF 拉取。
```
git clone https://github.com/alephpi/Texo
cd Texo
python scripts/python/hf_hub.py pull
```
2装依赖

按 README 装 PyTorch 与仿真依赖，注意版本要与权重匹配。
3跑调试训练

先用 debug 配置跑几十步，确认数据加载与显存占用正常。
```
python src/train.py --config-dir="./config" --config-name="train_debug.yaml"
```
4正式训练

改配置里的 batch 与卡数后启动，断点用 resume_from_ckpt 续跑。
```
python src/train.py training.resume_from_ckpt="<ckpt_path>"
```