Descripción
MiniCPM-OCR 1.0 es el primer modelo específico de OCR en la familia MiniCPM-V/o, enfocado en la comprensión de documentos centrados en texto. Está diseñado para manejar una variedad de tipos de documentos, incluyendo texto, tablas, fórmulas, gráficos, sellos y extracción de información estructurada. El modelo es particularmente efectivo en el análisis de documentos del mundo real, logrando una puntuación de vanguardia de 93.68 en el benchmark Real5-OmniDocBench. Esto lo convierte en una opción líder para tareas de análisis de documentos, especialmente en el manejo de documentos y PDFs en chino e inglés, incluyendo escaneos, páginas curvas, fotografías, páginas inclinadas y documentos recapturados.
Leer más
El modelo ofrece capacidades de inferencia eficientes, con la aceleración de decodificación DSpark que mejora la eficiencia de procesamiento de extremo a extremo en un 55%. Tiene un rendimiento de aproximadamente 1.49 veces el de PaddleOCR-VL-1.6 y 3.62 veces el de MinerU2.5 Pro. MiniCPM-OCR 1.0 es fácil de implementar y desarrollar, soportando vLLM, SGLang, llama.cpp y Ollama desde el principio. También ofrece variantes cuantizadas y construcciones de múltiples chips, permitiendo un ajuste fino adicional. El modelo se entrega con un SDK de pip, una API completa y flujos de trabajo de agentes, lo que lo hace accesible para los desarrolladores.
La arquitectura del modelo incluye un codificador de visión SigLIP y un modelo de lenguaje Qwen3.5, entrenado para OCR sobre MiniCPM-V 4.6. Soporta tareas como texto, tablas, fórmulas, gráficos, sellos y extracción de información clave. La tubería de análisis integra MiniCPM-OCR 1.0 con el modelo de diseño PP-DocLayoutV3 y el SDK minicpmvocr. Esta configuración permite un análisis eficiente de documentos, donde el SDK analiza documentos completos y reconoce regiones de manera concurrente, ensamblando resultados en Markdown en orden de lectura.
MiniCPM-OCR 1.0 se lanza bajo la Licencia Apache 2.0, lo que lo hace de código abierto y accesible para un desarrollo e integración adicionales. Es particularmente adecuado para industrias que requieren capacidades avanzadas de análisis de documentos y extracción de información, como finanzas, legal y educación.
- CategoríaModelos de IA y LLM
- Modelo de preciosCódigo abierto
- ImplementaciónNube
- PlataformasWeb
Aspectos destacados de MiniCPM-OCR 1.0
Modelo específico de OCR
Comprensión de documentos centrados en texto
Análisis de documentos de vanguardia
Inferencia eficiente con DSpark
Soporta documentos en chino e inglés
Fácil implementación y desarrollo
Variantes cuantizadas y construcciones de múltiples chips
Código abierto bajo la Licencia Apache 2.0
Primeros pasos con MiniCPM-OCR 1.0
Acceder al modelo: Visitar Hugging Face
Autenticarse: Configurar acceso a la API
Configurar el entorno: Instalar SDK
Integrar a través de la API: Usar los puntos finales proporcionados
Optimizar: Ajustar para tareas específicas
Casos de uso de MiniCPM-OCR 1.0
- Análisis de Documentos
- Extracción de Información
- Soporte Multilingüe
- Procesamiento en Tiempo Real
- Desarrollo de Código Abierto










