Beschreibung
MiniCPM-OCR 1.0 ist das erste OCR-spezifische Modell der MiniCPM-V/o-Familie, das sich auf textzentriertes Dokumentenverständnis konzentriert. Es wurde entwickelt, um eine Vielzahl von Dokumenttypen zu verarbeiten, einschließlich Texten, Tabellen, Formeln, Diagrammen, Siegeln und strukturierten Informationen. Das Modell ist besonders effektiv bei der Analyse von Dokumenten aus der realen Welt und erreicht einen Spitzenwert von 93,68 im Real5-OmniDocBench-Benchmark. Dies macht es zu einer führenden Wahl für Dokumentenanalysen, insbesondere bei der Verarbeitung von sowohl chinesischen als auch englischen Dokumenten und PDFs, einschließlich Scans, gebogenen Seiten, Fotografien, schiefen Seiten und rekonstruierten Dokumenten.
Weiterlesen
Das Modell bietet effiziente Inferenzfähigkeiten, wobei die DSpark-Dekodierungsbeschleunigung die End-to-End-Verarbeitungseffizienz um 55 % verbessert. Es hat einen Durchsatz von etwa 1,49-mal so viel wie PaddleOCR-VL-1.6 und 3,62-mal so viel wie MinerU2.5 Pro. MiniCPM-OCR 1.0 ist einfach bereitzustellen und zu entwickeln und unterstützt von Anfang an vLLM, SGLang, llama.cpp und Ollama. Es bietet auch quantisierte Varianten und Multi-Chip-Bauten, die eine weitere Feinabstimmung ermöglichen. Das Modell wird mit einem pip SDK, einer vollständigen API und Agenten-Workflows geliefert, was es Entwicklern zugänglich macht.
Die Modellarchitektur umfasst einen SigLIP-Vision-Encoder und ein Qwen3.5-Sprachmodell, das für OCR auf der Grundlage von MiniCPM-V 4.6 trainiert wurde. Es unterstützt Aufgaben wie Text, Tabellen, Formeln, Diagramme, Siegel und die Extraktion von Schlüsselinformationen. Die Parsing-Pipeline integriert MiniCPM-OCR 1.0 mit dem PP-DocLayoutV3-Layoutmodell und dem minicpmvocr SDK. Dieses Setup ermöglicht eine effiziente Dokumentenverarbeitung, bei der das SDK ganze Dokumente analysiert und Regionen gleichzeitig erkennt und die Ergebnisse in Markdown in der Lesereihenfolge zusammenstellt.
MiniCPM-OCR 1.0 wird unter der Apache License 2.0 veröffentlicht, was es Open Source und zugänglich für weitere Entwicklungen und Integrationen macht. Es eignet sich besonders für Branchen, die fortschrittliche Dokumentenanalysen und Informationsextraktionsfähigkeiten benötigen, wie z.B. Finanzen, Recht und Bildung.
- KategorieKI-Modelle & LLMs
- PreismodellOpen Source
- BereitstellungCloud
- PlattformenWeb
MiniCPM-OCR 1.0 im Überblick
OCR-spezifisches Modell
Textzentriertes Dokumentenverständnis
Spitzenmäßige Dokumentenanalyse
Effiziente Inferenz mit DSpark
Unterstützt chinesische und englische Dokumente
Einfache Bereitstellung und Entwicklung
Quantisierte Varianten und Multi-Chip-Bauten
Open Source unter Apache License 2.0
Erste Schritte mit MiniCPM-OCR 1.0
Modell zugreifen: Besuchen Sie Hugging Face
Authentifizieren: API-Zugriff einrichten
Umgebung einrichten: SDK installieren
Integration über API: Verwendete Endpunkte nutzen
Optimieren: Feinabstimmung für spezifische Aufgaben
MiniCPM-OCR 1.0's Anwendungsfälle
- Dokumentenverarbeitung
- Informationsextraktion
- Mehrsprachige Unterstützung
- Echtzeitverarbeitung
- Open Source Entwicklung










