跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

MiniCPM-OCR 1.0

MiniCPM-OCR 1.0 是一个专为文本中心文档理解设计的 OCR 特定模型。它在解析文本、表格和图表方面表现出色,为现实世界的文档处理提供高效的推理和便捷的部署。

查看模型
分享
查看模型
分享

MiniCPM-OCR 1.0 是 MiniCPM-V/o 系列中的第一个 OCR 特定模型,专注于文本中心的文档理解。它旨在处理各种文档类型,包括文本、表格、公式、图表、印章和结构化信息提取。该模型在解析现实世界文档方面特别有效,在 Real5-OmniDocBench 基准测试中取得了 93.68 的领先分数。这使其成为文档解析任务的首选,尤其是在处理中文和英文文档及 PDF 文件时,包括扫描件、弯曲页面、照片、倾斜页面和重新捕获的文档。

阅读更多

该模型提供高效的推理能力,DSpark 解码加速使端到端处理效率提高了 55%。其吞吐量约为 PaddleOCR-VL-1.6 的 1.49 倍和 MinerU2.5 Pro 的 3.62 倍。MiniCPM-OCR 1.0 易于部署和开发,支持 vLLM、SGLang、llama.cpp 和 Ollama。它还提供量化变体和多芯片构建,允许进一步的微调。该模型配备了 pip SDK、完整的 API 和代理工作流,使开发人员能够轻松访问。

该模型架构包括 SigLIP 视觉编码器和 Qwen3.5 语言模型,基于 MiniCPM-V 4.6 进行 OCR 训练。它支持文本、表格、公式、图表、印章和关键信息提取等任务。解析管道将 MiniCPM-OCR 1.0 与 PP-DocLayoutV3 布局模型和 minicpmvocr SDK 集成。该设置允许高效的文档解析,其中 SDK 同时解析整个文档并识别区域,将结果按阅读顺序组装成 Markdown。

MiniCPM-OCR 1.0 在 Apache License 2.0 下发布,成为开源并可供进一步开发和集成。它特别适合需要先进文档解析和信息提取能力的行业,如金融、法律和教育。

  • 类别AI 模型与大语言模型
  • 定价模式开源
  • 部署云端
  • 平台网页版

  • OCR 特定模型

  • 文本中心文档理解

  • 先进的文档解析

  • 通过 DSpark 实现高效推理

  • 支持中文和英文文档

  • 易于部署和开发

  • 量化变体和多芯片构建

  • 在 Apache License 2.0 下开源

  1. 访问模型:访问 Hugging Face

  2. 身份验证:设置 API 访问

  3. 设置环境:安装 SDK

  4. 通过 API 集成:使用提供的端点

  5. 优化:针对特定任务进行微调

  • 文档解析
  • 信息提取
  • 多语言支持
  • 实时处理
  • 开源开发

OpenBMB 旗下产品

MiniCPM-OCR 1.0 评价

加载中...

与 MiniCPM-OCR 1.0 类似的热门AI工具

LightOnOCR-3-4B 是一款高性能的 OCR 模型,提供先进的布局和视觉理解能力。它为视觉元素提供准确的转录和边界框坐标,适用于复杂的文档处理任务。

AI 模型与大语言模型
查看工具

高性能的 OCR 模型,提供先进的布局和视觉理解能力。它为视觉元素提供准确的转录和边界框坐标,适用于复杂的文档处理任务。LightOnOCR-3-4B 是一款高性能的 OCR 模型,提供先进的布局和视觉理解能力。它为视觉元素提供准确的转录和边界框坐标,适用于复杂的文档处理任务。

AI 模型与大语言模型
查看 AI 模型 Top 5

PaddleOCR-VL-1.6 是一个先进的文档解析模型,增强了区域优化和后训练过程。它在 OmniDocBench 上实现了最先进的准确性,支持文本、公式和表格识别。

AI 模型与大语言模型
查看工具

先进的文档解析模型,增强了区域优化和后训练过程。它在 OmniDocBench 上实现了最先进的准确性,支持文本、公式和表格识别。PaddleOCR-VL-1.6 是一个先进的文档解析模型,增强了区域优化和后训练过程。它在 OmniDocBench 上实现了最先进的准确性,支持文本、公式和表格识别。

AI 模型与大语言模型
查看 AI 模型 Top 5

RolmOCR

AI 模型

RolmOCR是Reducto AI开发的开源OCR工具,相比其前身olmOCR,提供更快的处理速度和更低的内存使用。它旨在高效处理各种文档类型,而无需使用元数据输入。

AI 模型与大语言模型
查看工具

AI 模型

Reducto AI开发的开源OCR工具,相比其前身olmOCR,提供更快的处理速度和更低的内存使用。它旨在高效处理各种文档类型,而无需使用元数据输入。RolmOCR是Reducto AI开发的开源OCR工具,相比其前身olmOCR,提供更快的处理速度和更低的内存使用。它旨在高效处理各种文档类型,而无需使用元数据输入。

AI 模型与大语言模型
查看 AI 模型 Top 5

GOT-OCR2.0 是一个先进的 OCR 模型,旨在实现高效的文本识别。它利用统一的端到端方法来提高准确性和性能,使其非常适合于文本提取和处理的各种应用。

AI 模型与大语言模型
查看工具

先进的 OCR 模型,旨在实现高效的文本识别。它利用统一的端到端方法来提高准确性和性能,使其非常适合于文本提取和处理的各种应用。GOT-OCR2.0 是一个先进的 OCR 模型,旨在实现高效的文本识别。它利用统一的端到端方法来提高准确性和性能,使其非常适合于文本提取和处理的各种应用。

AI 模型与大语言模型
查看 AI 模型 Top 5

GLM-OCR

AI 模型

GLM-OCR 是一个多模态 OCR 模型,旨在实现复杂文档理解。它通过多标记预测损失和稳定的强化学习提高训练效率和识别准确性。该模型针对现实场景进行了优化,在各种文档布局中提供强大的性能。

AI 模型与大语言模型
查看工具

AI 模型

多模态 OCR 模型,旨在实现复杂文档理解。它通过多标记预测损失和稳定的强化学习提高训练效率和识别准确性。该模型针对现实场景进行了优化,在各种文档布局中提供强大的性能。GLM-OCR 是一个多模态 OCR 模型,旨在实现复杂文档理解。它通过多标记预测损失和稳定的强化学习提高训练效率和识别准确性。该模型针对现实场景进行了优化,在各种文档布局中提供强大的性能。

AI 模型与大语言模型
查看 AI 模型 Top 5

Youtu-Parsing-Omni 是一个多功能的全模态解析模型,可以将文档、图像、图表和视频等多种输入转换为结构化的 JSON。它在感知和认知任务中表现出色,为各种解析需求提供统一的架构。

AI 模型与大语言模型
查看工具

多功能的全模态解析模型,可以将文档、图像、图表和视频等多种输入转换为结构化的 JSON。它在感知和认知任务中表现出色,为各种解析需求提供统一的架构。Youtu-Parsing-Omni 是一个多功能的全模态解析模型,可以将文档、图像、图表和视频等多种输入转换为结构化的 JSON。它在感知和认知任务中表现出色,为各种解析需求提供统一的架构。

AI 模型与大语言模型
查看 AI 模型 Top 5

DoMore

AI 应用

DoMore 是一款下一代 AI 笔记本,可以将照片、PDF、文档和语音笔记转化为结构化的互动知识库。它提供 OCR、转录、翻译等功能,使用户能够与知识库进行对话,并以多种格式导出内容。

AI 知识管理

AI 笔记应用 排名第 28 位

查看工具

AI 应用

下一代 AI 笔记本,可以将照片、PDF、文档和语音笔记转化为结构化的互动知识库。它提供 OCR、转录、翻译等功能,使用户能够与知识库进行对话,并以多种格式导出内容。DoMore 是一款下一代 AI 笔记本,可以将照片、PDF、文档和语音笔记转化为结构化的互动知识库。它提供 OCR、转录、翻译等功能,使用户能够与知识库进行对话,并以多种格式导出内容。

AI 知识管理
AI 笔记应用 排名第 28 位

Doc2X

AI 应用

Doc2X 是一款 AI 文档解析工具,能够准确识别 PDF 和图像中的公式和表格,并将其转换为 Word、LaTeX、HTML 和 Markdown,同时提供多语言和双语 PDF 翻译,适用于学术和商业用途。

AI 文档与 PDF 工具

从图像中提取文本 排名第 37 位

查看工具

AI 应用

AI 文档解析工具,能够准确识别 PDF 和图像中的公式和表格,并将其转换为 Word、LaTeX、HTML 和 Markdown,同时提供多语言和双语 PDF 翻译,适用于学术和商业用途。Doc2X 是一款 AI 文档解析工具,能够准确识别 PDF 和图像中的公式和表格,并将其转换为 Word、LaTeX、HTML 和 Markdown,同时提供多语言和双语 PDF 翻译,适用于学术和商业用途。

AI 文档与 PDF 工具
从图像中提取文本 排名第 37 位
1/8