説明
MiniCPM-OCR 1.0は、MiniCPM-V/oファミリーの最初のOCR専用モデルであり、テキスト中心の文書理解に焦点を当てています。テキスト、表、数式、チャート、印章、構造化情報抽出など、さまざまな文書タイプを処理するように設計されています。このモデルは、実際の文書の解析に特に効果的であり、Real5-OmniDocBenchベンチマークで93.68の最先端スコアを達成しています。これにより、文書解析タスクにおいて特に中国語と英語の文書やPDF、スキャン、曲がったページ、写真、傾いたページ、再キャプチャされた文書を扱う際の選択肢として優れています。
続きを読む
このモデルは、DSparkデコーディング加速により、エンドツーエンドの処理効率を55%向上させる効率的な推論機能を提供します。PaddleOCR-VL-1.6の約1.49倍、MinerU2.5 Proの3.62倍のスループットを誇ります。MiniCPM-OCR 1.0は、vLLM、SGLang、llama.cpp、Ollamaを初めからサポートしており、展開と開発が容易です。また、量子化されたバリアントやマルチチップビルドを提供し、さらなるファインチューニングが可能です。このモデルには、pip SDK、完全なAPI、エージェントワークフローが付属しており、開発者にとってアクセスしやすくなっています。
モデルアーキテクチャには、SigLIPビジョンエンコーダーとQwen3.5言語モデルが含まれており、MiniCPM-V 4.6の上にOCR用にトレーニングされています。テキスト、表、数式、チャート、印章、重要情報抽出などのタスクをサポートしています。解析パイプラインは、MiniCPM-OCR 1.0をPP-DocLayoutV3レイアウトモデルおよびminicpmvocr SDKと統合しています。このセットアップにより、SDKが全体の文書を解析し、領域を同時に認識し、結果を読み取り順序でMarkdownに組み立てる効率的な文書解析が可能になります。
MiniCPM-OCR 1.0は、Apache License 2.0の下でリリースされており、オープンソースであり、さらなる開発や統合が可能です。特に、金融、法務、教育など、高度な文書解析と情報抽出機能を必要とする業界に適しています。
- カテゴリーAIモデルとLLM
- 料金モデルオープンソース
- デプロイクラウド
- プラットフォームWeb
MiniCPM-OCR 1.0のハイライト
OCR専用モデル
テキスト中心の文書理解
最先端の文書解析
DSparkによる効率的な推論
中国語と英語の文書をサポート
簡単な展開と開発
量子化されたバリアントとマルチチップビルド
Apache License 2.0の下でオープンソース
MiniCPM-OCR 1.0をはじめる
モデルにアクセス: Hugging Faceを訪問
認証: APIアクセスを設定
環境を設定: SDKをインストール
API経由で統合: 提供されたエンドポイントを使用
最適化: 特定のタスクに合わせてファインチューニング
MiniCPM-OCR 1.0の使用例
- 文書解析
- 情報抽出
- 多言語サポート
- リアルタイム処理
- オープンソース開発










