Zum Hauptinhalt springen
ToolPotion
KI-Berater
Einreichen

MiniCPM-OCR 1.0

KI-ModelleKI-Modelle & LLMsOpen Source · Web

MiniCPM-OCR 1.0 ist ein OCR-spezifisches Modell, das für textzentriertes Dokumentenverständnis entwickelt wurde. Es zeichnet sich durch die Analyse von Texten, Tabellen und Diagrammen aus und bietet effiziente Inferenz und einfache Bereitstellung für die Verarbeitung von Dokumenten in der realen Welt.

Modell ansehen
Teilen
Modell ansehen
Teilen

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

  • 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

  1. Modell zugreifen: Besuchen Sie Hugging Face

  2. Authentifizieren: API-Zugriff einrichten

  3. Umgebung einrichten: SDK installieren

  4. Integration über API: Verwendete Endpunkte nutzen

  5. Optimieren: Feinabstimmung für spezifische Aufgaben

  • Dokumentenverarbeitung
  • Informationsextraktion
  • Mehrsprachige Unterstützung
  • Echtzeitverarbeitung
  • Open Source Entwicklung

Von OpenBMB

MiniCPM-OCR 1.0 Bewertungen

Wird geladen...

Beliebte KI-Tools wie MiniCPM-OCR 1.0

LightOnOCR-3-4B

KI-Modelle

LightOnOCR-3-4B ist ein leistungsstarkes OCR-Modell, das fortschrittliche Layout- und visuelle Verständnisfähigkeiten bietet. Es liefert genaue Transkriptionen und Koordinaten für…

KI-Modelle & LLMs
Tool ansehen

KI-Modelle

Leistungsstarkes OCR-Modell, das fortschrittliche Layout- und visuelle Verständnisfähigkeiten bietet. Es liefert genaue Transkriptionen und Koordinaten für…LightOnOCR-3-4B ist ein leistungsstarkes OCR-Modell, das fortschrittliche Layout- und visuelle Verständnisfähigkeiten bietet. Es liefert genaue Transkriptionen und Koordinaten für…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

PaddleOCR-VL-1.6 ist ein fortschrittliches Dokumentenverarbeitungsmodell, das die Regionenverfeinerung und Nachtrainingsprozesse verbessert. Es erreicht eine erstklassige…

KI-Modelle & LLMs
Tool ansehen

Fortschrittliches Dokumentenverarbeitungsmodell, das die Regionenverfeinerung und Nachtrainingsprozesse verbessert. Es erreicht eine erstklassige…PaddleOCR-VL-1.6 ist ein fortschrittliches Dokumentenverarbeitungsmodell, das die Regionenverfeinerung und Nachtrainingsprozesse verbessert. Es erreicht eine erstklassige…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

RolmOCR

KI-Modelle

RolmOCR von Reducto AI ist ein Open-Source-OCR-Tool, das eine schnellere Verarbeitung und einen geringeren Speicherverbrauch im Vergleich zu seinem Vorgänger, olmOCR, bietet. Es…

KI-Modelle & LLMs
Tool ansehen

KI-Modelle

RolmOCR von Reducto AI ist ein Open-Source-OCR-Tool, das eine schnellere Verarbeitung und einen geringeren Speicherverbrauch im Vergleich zu seinem Vorgänger, olmOCR, bietet. Es…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

GOT-OCR2.0 ist ein fortschrittliches OCR-Modell, das für eine effiziente Texterkennung entwickelt wurde. Es nutzt einen einheitlichen End-to-End-Ansatz, um Genauigkeit und…

KI-Modelle & LLMs
Tool ansehen

Fortschrittliches OCR-Modell, das für eine effiziente Texterkennung entwickelt wurde. Es nutzt einen einheitlichen End-to-End-Ansatz, um Genauigkeit und…GOT-OCR2.0 ist ein fortschrittliches OCR-Modell, das für eine effiziente Texterkennung entwickelt wurde. Es nutzt einen einheitlichen End-to-End-Ansatz, um Genauigkeit und…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

GLM-OCR

KI-Modelle

GLM-OCR ist ein multimodales OCR-Modell, das für das Verständnis komplexer Dokumente entwickelt wurde. Es verbessert die Trainingseffizienz und die Erkennungsgenauigkeit durch den…

KI-Modelle & LLMs
Tool ansehen

KI-Modelle

Multimodales OCR-Modell, das für das Verständnis komplexer Dokumente entwickelt wurde. Es verbessert die Trainingseffizienz und die Erkennungsgenauigkeit durch den…GLM-OCR ist ein multimodales OCR-Modell, das für das Verständnis komplexer Dokumente entwickelt wurde. Es verbessert die Trainingseffizienz und die Erkennungsgenauigkeit durch den…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

Youtu-Parsing-Omni ist ein vielseitiges omni-modales Parsing-Modell, das verschiedene Eingaben wie Dokumente, Bilder, Diagramme und Videos in strukturiertes JSON umwandelt. Es…

KI-Modelle & LLMs
Tool ansehen

Vielseitiges omni-modales Parsing-Modell, das verschiedene Eingaben wie Dokumente, Bilder, Diagramme und Videos in strukturiertes JSON umwandelt. Es…Youtu-Parsing-Omni ist ein vielseitiges omni-modales Parsing-Modell, das verschiedene Eingaben wie Dokumente, Bilder, Diagramme und Videos in strukturiertes JSON umwandelt. Es…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

DoMore

KI-Apps

DoMore ist ein KI-Notizbuch der nächsten Generation, das Fotos, PDFs, Dokumente und Sprachnotizen in eine strukturierte, interaktive Wissensdatenbank umwandelt. Es bietet OCR,…

KI-Wissensmanagement

Platz 26 in KI-Notiz-Apps

Tool ansehen

KI-Apps

KI-Notizbuch der nächsten Generation, das Fotos, PDFs, Dokumente und Sprachnotizen in eine strukturierte, interaktive Wissensdatenbank umwandelt. Es bietet OCR,…DoMore ist ein KI-Notizbuch der nächsten Generation, das Fotos, PDFs, Dokumente und Sprachnotizen in eine strukturierte, interaktive Wissensdatenbank umwandelt. Es bietet OCR,…

KI-Wissensmanagement
Platz 26 in KI-Notiz-Apps

Doc2X

KI-Apps

Doc2X ist ein KI-gestütztes Dokumentenparser-Tool, das Formeln und Tabellen in PDFs und Bildern präzise erkennt, sie in Word, LaTeX, HTML und Markdown umwandelt und mehrsprachige,…

KI-Dokument- & PDF-Tools

Platz 37 für Textextraktion aus Bildern

Tool ansehen

KI-Apps

KI-gestütztes Dokumentenparser-Tool, das Formeln und Tabellen in PDFs und Bildern präzise erkennt, sie in Word, LaTeX, HTML und Markdown umwandelt und mehrsprachige,…Doc2X ist ein KI-gestütztes Dokumentenparser-Tool, das Formeln und Tabellen in PDFs und Bildern präzise erkennt, sie in Word, LaTeX, HTML und Markdown umwandelt und mehrsprachige,…

KI-Dokument- & PDF-Tools
Platz 37 für Textextraktion aus Bildern
1 von 8