Deskripsi
MiniCPM-OCR 1.0 adalah model khusus OCR pertama dalam keluarga MiniCPM-V/o, yang berfokus pada pemahaman dokumen yang berfokus pada teks. Model ini dirancang untuk menangani berbagai jenis dokumen, termasuk teks, tabel, rumus, grafik, segel, dan ekstraksi informasi terstruktur. Model ini sangat efektif dalam mem-parsing dokumen dunia nyata, mencapai skor mutakhir sebesar 93,68 pada benchmark Real5-OmniDocBench. Ini menjadikannya pilihan terdepan untuk tugas pem-parsing dokumen, terutama dalam menangani dokumen dan PDF dalam bahasa Cina dan Inggris, termasuk pemindaian, halaman melengkung, foto, halaman miring, dan dokumen yang diambil ulang.
Baca Selengkapnya
Model ini menawarkan kemampuan inferensi yang efisien, dengan akselerasi decoding DSpark yang meningkatkan efisiensi pemrosesan end-to-end sebesar 55%. Model ini memiliki throughput sekitar 1,49 kali dari PaddleOCR-VL-1.6 dan 3,62 kali dari MinerU2.5 Pro. MiniCPM-OCR 1.0 mudah diterapkan dan dikembangkan, mendukung vLLM, SGLang, llama.cpp, dan Ollama sejak awal. Model ini juga menawarkan varian terkuantisasi dan build multi-chip, memungkinkan untuk fine-tuning lebih lanjut. Model ini dilengkapi dengan SDK pip, API lengkap, dan alur kerja agen, menjadikannya dapat diakses untuk pengembang.
Arsitektur model mencakup encoder visi SigLIP dan model bahasa Qwen3.5, yang dilatih untuk OCR di atas MiniCPM-V 4.6. Model ini mendukung tugas seperti teks, tabel, rumus, grafik, segel, dan ekstraksi informasi kunci. Pipeline pem-parsing mengintegrasikan MiniCPM-OCR 1.0 dengan model layout PP-DocLayoutV3 dan SDK minicpmvocr. Setup ini memungkinkan pem-parsing dokumen yang efisien, di mana SDK mem-parsing seluruh dokumen dan mengenali wilayah secara bersamaan, menyusun hasil ke dalam Markdown dalam urutan bacaan.
MiniCPM-OCR 1.0 dirilis di bawah Lisensi Apache 2.0, menjadikannya open source dan dapat diakses untuk pengembangan dan integrasi lebih lanjut. Model ini sangat cocok untuk industri yang memerlukan kemampuan pem-parsing dokumen dan ekstraksi informasi yang canggih, seperti keuangan, hukum, dan pendidikan.
- KategoriModel AI & LLM
- Model HargaOpen source
- PenerapanCloud
- PlatformWeb
Sorotan MiniCPM-OCR 1.0
Model khusus OCR
Pemahaman dokumen yang berfokus pada teks
Pem-parsing dokumen mutakhir
Inferensi efisien dengan DSpark
Mendukung dokumen dalam bahasa Cina dan Inggris
Penerapan dan pengembangan yang mudah
Varian terkuantisasi dan build multi-chip
Open source di bawah Lisensi Apache 2.0
Memulai dengan MiniCPM-OCR 1.0
Akses model: Kunjungi Hugging Face
Autentikasi: Siapkan akses API
Siapkan lingkungan: Instal SDK
Integrasi melalui API: Gunakan endpoint yang disediakan
Optimalkan: Fine-tune untuk tugas tertentu
Kasus Penggunaan MiniCPM-OCR 1.0
- Pem-parsing Dokumen
- Ekstraksi Informasi
- Dukungan Multibahasa
- Pemrosesan Waktu Nyata
- Pengembangan Open Source










