描述
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
MiniCPM-OCR 1.0亮点
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
MiniCPM-OCR 1.0入门
访问模型:访问 Hugging Face
身份验证:设置 API 访问
设置环境:安装 SDK
通过 API 集成:使用提供的端点
优化:针对特定任务进行微调
MiniCPM-OCR 1.0的使用案例
- 文档解析
- 信息提取
- 多语言支持
- 实时处理
- 开源开发










