Описание
MiniCPM-OCR 1.0 — первая модель, специфичная для OCR, в семействе MiniCPM-V/o, сосредоточенная на понимании документов, ориентированных на текст. Она предназначена для обработки различных типов документов, включая текст, таблицы, формулы, диаграммы, печати и извлечение структурированной информации. Модель особенно эффективна в разборе реальных документов, достигая передового результата 93.68 на бенчмарке Real5-OmniDocBench. Это делает её ведущим выбором для задач разбора документов, особенно при работе с китайскими и английскими документами и PDF-файлами, включая сканы, изогнутые страницы, фотографии, наклоненные страницы и повторно захваченные документы.
Читать далее
Модель предлагает эффективные возможности вывода, с ускорением декодирования DSpark, которое улучшает общую эффективность обработки на 55%. Она обладает производительностью примерно в 1.49 раз выше, чем у PaddleOCR-VL-1.6, и в 3.62 раза выше, чем у MinerU2.5 Pro. MiniCPM-OCR 1.0 легко развертывается и разрабатывается, поддерживая vLLM, SGLang, llama.cpp и Ollama с самого начала. Она также предлагает квантизированные варианты и многопроцессорные сборки, позволяя проводить дальнейшую настройку. Модель поставляется с pip SDK, полным API и рабочими процессами агентов, что делает её доступной для разработчиков.
Архитектура модели включает в себя визуальный кодировщик SigLIP и языковую модель Qwen3.5, обученную для OCR на основе MiniCPM-V 4.6. Она поддерживает задачи, такие как текст, таблицы, формулы, диаграммы, печати и извлечение ключевой информации. Конвейер разбора интегрирует MiniCPM-OCR 1.0 с моделью компоновки PP-DocLayoutV3 и SDK minicpmvocr. Эта настройка позволяет эффективно разбирать документы, где SDK разбирает целые документы и одновременно распознает области, собирая результаты в Markdown в порядке чтения.
MiniCPM-OCR 1.0 выпущена под лицензией Apache License 2.0, что делает её открытым исходным кодом и доступной для дальнейшей разработки и интеграции. Она особенно подходит для отраслей, требующих продвинутых возможностей разбора документов и извлечения информации, таких как финансы, юриспруденция и образование.
- КатегорияИИ-модели и LLM
- Модель ценообразованияОткрытый код
- РазвёртываниеОблако
- ПлатформыВеб
Главное о MiniCPM-OCR 1.0
Модель, специфичная для OCR
Понимание документов, ориентированных на текст
Современный разбор документов
Эффективный вывод с DSpark
Поддержка китайских и английских документов
Простота развертывания и разработки
Квантизированные варианты и многопроцессорные сборки
Открытый исходный код под лицензией Apache License 2.0
Начало работы с MiniCPM-OCR 1.0
Доступ к модели: посетите Hugging Face
Аутентификация: настройте доступ к API
Настройка окружения: установите SDK
Интеграция через API: используйте предоставленные конечные точки
Оптимизация: настройте для конкретных задач
Варианты использования MiniCPM-OCR 1.0
- Разбор документов
- Извлечение информации
- Многоязычная поддержка
- Обработка в реальном времени
- Разработка с открытым исходным кодом










