メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

MiniCPM-OCR 1.0

AI モデルAIモデルとLLMオープンソース · Web

MiniCPM-OCR 1.0は、テキスト中心の文書理解のために設計されたOCR専用モデルです。テキスト、表、チャートの解析に優れ、実際の文書処理のための効率的な推論と簡単な展開を提供します。

モデルを見る
共有
モデルを見る
共有

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

  • 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

  1. モデルにアクセス: Hugging Faceを訪問

  2. 認証: APIアクセスを設定

  3. 環境を設定: SDKをインストール

  4. API経由で統合: 提供されたエンドポイントを使用

  5. 最適化: 特定のタスクに合わせてファインチューニング

  • 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

OpenBMB の製品

MiniCPM-OCR 1.0 のレビュー

読み込み中...

MiniCPM-OCR 1.0 に似た人気のAIツール

LightOnOCR-3-4B

AI モデル

LightOnOCR-3-4Bは、高性能なOCRモデルで、先進的なレイアウトおよび視覚理解機能を提供します。正確な転写と視覚要素のバウンディングボックス座標を提供し、複雑な文書処理タスクに適しています。

AIモデルとLLM
ツールを見る

AI モデル

高性能なOCRモデルで、先進的なレイアウトおよび視覚理解機能を提供します。正確な転写と視覚要素のバウンディングボックス座標を提供し、複雑な文書処理タスクに適しています。LightOnOCR-3-4Bは、高性能なOCRモデルで、先進的なレイアウトおよび視覚理解機能を提供します。正確な転写と視覚要素のバウンディングボックス座標を提供し、複雑な文書処理タスクに適しています。

AIモデルとLLM
AI モデル トップ5を見る

PaddleOCR-VL-1.6

AI モデル

PaddleOCR-VL-1.6は、領域の洗練とポストトレーニングプロセスを強化する高度な文書解析モデルです。テキスト、数式、表の認識をサポートし、OmniDocBenchで最先端の精度を達成しています。

AIモデルとLLM
ツールを見る

AI モデル

領域の洗練とポストトレーニングプロセスを強化する高度な文書解析モデルです。テキスト、数式、表の認識をサポートし、OmniDocBenchで最先端の精度を達成しています。PaddleOCR-VL-1.6は、領域の洗練とポストトレーニングプロセスを強化する高度な文書解析モデルです。テキスト、数式、表の認識をサポートし、OmniDocBenchで最先端の精度を達成しています。

AIモデルとLLM
AI モデル トップ5を見る

RolmOCR

AI モデル

RolmOCRはReducto AIによって開発されたオープンソースのOCRツールで、前のolmOCRと比較して処理速度が速く、メモリ使用量が少なくなっています。メタデータ入力を使用せずに、さまざまな文書タイプを効率的に処理するように設計されています。

AIモデルとLLM
ツールを見る

AI モデル

Reducto AIによって開発されたオープンソースのOCRツールで、前のolmOCRと比較して処理速度が速く、メモリ使用量が少なくなっています。メタデータ入力を使用せずに、さまざまな文書タイプを効率的に処理するように設計されています。RolmOCRはReducto AIによって開発されたオープンソースのOCRツールで、前のolmOCRと比較して処理速度が速く、メモリ使用量が少なくなっています。メタデータ入力を使用せずに、さまざまな文書タイプを効率的に処理するように設計されています。

AIモデルとLLM
AI モデル トップ5を見る

GOT-OCR2.0は、効率的なテキスト認識のために設計された高度なOCRモデルです。統一されたエンドツーエンドアプローチを活用して精度とパフォーマンスを向上させ、テキスト抽出や処理のさまざまなアプリケーションに最適です。

AIモデルとLLM
ツールを見る

効率的なテキスト認識のために設計された高度なOCRモデルです。統一されたエンドツーエンドアプローチを活用して精度とパフォーマンスを向上させ、テキスト抽出や処理のさまざまなアプリケーションに最適です。GOT-OCR2.0は、効率的なテキスト認識のために設計された高度なOCRモデルです。統一されたエンドツーエンドアプローチを活用して精度とパフォーマンスを向上させ、テキスト抽出や処理のさまざまなアプリケーションに最適です。

AIモデルとLLM
AI モデル トップ5を見る

GLM-OCR

AI モデル

GLM-OCRは、複雑な文書理解のために設計されたマルチモーダルOCRモデルです。Multi-Token Prediction損失と安定した強化学習を使用して、トレーニング効率と認識精度を向上させます。このモデルは、さまざまな文書レイアウトにわたって堅牢なパフォーマンスを提供し、実世界のシナリオに最適化されています。

AIモデルとLLM
ツールを見る

AI モデル

複雑な文書理解のために設計されたマルチモーダルOCRモデルです。Multi-Token Prediction損失と安定した強化学習を使用して、トレーニング効率と認識精度を向上させます。このモデルは、さまざまな文書レイアウトにわたって堅牢なパフォーマンスを提供し、実世界のシナリオに最適化されています。GLM-OCRは、複雑な文書理解のために設計されたマルチモーダルOCRモデルです。Multi-Token Prediction損失と安定した強化学習を使用して、トレーニング効率と認識精度を向上させます。このモデルは、さまざまな文書レイアウトにわたって堅牢なパフォーマンスを提供し、実世界のシナリオに最適化されています。

AIモデルとLLM
AI モデル トップ5を見る

Youtu-Parsing-Omni

AI モデル

Youtu-Parsing-Omniは、文書、画像、チャート、動画などの多様な入力を構造化されたJSONに変換する多用途のオムニモーダルパーシングモデルです。知覚および認知タスクに優れ、さまざまなパーシングニーズに対応する統一スキーマを提供します。

AIモデルとLLM
ツールを見る

AI モデル

文書、画像、チャート、動画などの多様な入力を構造化されたJSONに変換する多用途のオムニモーダルパーシングモデルです。知覚および認知タスクに優れ、さまざまなパーシングニーズに対応する統一スキーマを提供します。Youtu-Parsing-Omniは、文書、画像、チャート、動画などの多様な入力を構造化されたJSONに変換する多用途のオムニモーダルパーシングモデルです。知覚および認知タスクに優れ、さまざまなパーシングニーズに対応する統一スキーマを提供します。

AIモデルとLLM
AI モデル トップ5を見る

DoMore

AI アプリ

DoMoreは、写真、PDF、文書、音声メモを構造化されたインタラクティブな知識ベースに変換する次世代AIノートブックです。OCR、転写、翻訳などの機能を提供し、ユーザーが知識ベースと対話し、さまざまな形式でコンテンツをエクスポートできるようにします。

AIナレッジ管理

AIノートアプリで第28位

ツールを見る

AI アプリ

写真、PDF、文書、音声メモを構造化されたインタラクティブな知識ベースに変換する次世代AIノートブックです。OCR、転写、翻訳などの機能を提供し、ユーザーが知識ベースと対話し、さまざまな形式でコンテンツをエクスポートできるようにします。DoMoreは、写真、PDF、文書、音声メモを構造化されたインタラクティブな知識ベースに変換する次世代AIノートブックです。OCR、転写、翻訳などの機能を提供し、ユーザーが知識ベースと対話し、さまざまな形式でコンテンツをエクスポートできるようにします。

AIナレッジ管理
AIノートアプリで第28位

Doc2X

AI アプリ

Doc2Xは、PDFや画像内の数式や表を正確に認識し、Word、LaTeX、HTML、Markdownに変換し、学術およびビジネス用途向けに多言語・バイリンガルPDF翻訳を提供するAI文書解析ツールです。

AIドキュメント・PDFツール

画像からのテキスト抽出で第37位

ツールを見る

AI アプリ

PDFや画像内の数式や表を正確に認識し、Word、LaTeX、HTML、Markdownに変換し、学術およびビジネス用途向けに多言語・バイリンガルPDF翻訳を提供するAI文書解析ツールです。Doc2Xは、PDFや画像内の数式や表を正確に認識し、Word、LaTeX、HTML、Markdownに変換し、学術およびビジネス用途向けに多言語・バイリンガルPDF翻訳を提供するAI文書解析ツールです。

AIドキュメント・PDFツール
画像からのテキスト抽出で第37位
1 / 8