Repolode
Enviar
OpenBMB

OpenBMB/MiniCPM-OCR

MiniCPM-OCR es una familia de modelos de código abierto para analizar documentos, junto con un modelo complementario que evalúa si los resultados de OCR son correctos.

Alternativa open source a:ABBYY FineReader

Ver en GitHub
Estrellas
838
Forks
60
Issues abiertos
1
Último commit
hace 10 horas

¿Qué es?

MiniCPM-OCR es un conjunto de modelos que convierte documentos y PDF en chino e inglés en texto, tablas y fórmulas. MiniCPM-OCR 1.0 (1,3B de parámetros) procesa entradas complejas, como escaneos, fotografías, páginas curvas o inclinadas y documentos fotografiados de nuevo, y también admite la extracción de información clave.

MiniCPM-OCR Jev es un modelo de decisión independiente de 2B. A partir de una imagen y un resultado de OCR, devuelve una puntuación de calidad de 0 a 1 por región, lo que ayuda a los equipos a elegir resultados fiables y localizar el contenido que requiere revisión humana. Está diseñado para funcionar con los resultados de distintos modelos de análisis.

El proyecto permite ejecutar inferencias con vLLM, SGLang, llama.cpp y Ollama, y publica pesos BF16, GGUF, AWQ y GPTQ en Hugging Face y ModelScope. También incluye un SDK de pip, una API alojada y tutoriales de ajuste fino para LLaMA-Factory y Swift.

Funciones clave

  • 01Convierte documentos y PDF en chino e inglés a Markdown, tablas y fórmulas.
  • 02Procesa escaneos, fotografías, páginas curvas y documentos fotografiados de nuevo.
  • 03Admite la extracción de información clave además del reconocimiento de texto.
  • 04Asigna puntuaciones a los resultados de OCR por región para señalar el contenido que requiere revisión.
  • 05Se ejecuta con vLLM, SGLang, llama.cpp y Ollama, y ofrece pesos cuantizados.
  • 06Ofrece un SDK de pip, una API alojada y guías de ajuste fino.

Casos de uso

  • Convertir contratos, estados financieros o informes escaneados en Markdown con capacidad de búsqueda.
  • Extraer campos estructurados de recibos o formularios para procesarlos posteriormente.
  • Filtrar los resultados de OCR para que solo las regiones con puntuaciones bajas se envíen a revisión humana.
  • Ajustar un analizador de documentos a un dominio o diseño documental específico.

Inicio rápido

  1. 1

    Instala el SDK de pip de MiniCPM-OCR

  2. 2

    Sigue el tutorial de implementación local de MiniCPM-OCR 1.0 para ejecutar los modelos

  3. 3

    O usa la Free API para realizar el reconocimiento sin hardware local

Antes de usarlo

  • Para ejecutar los modelos localmente necesitas tu propio hardware; el README no especifica los requisitos mínimos.
  • Algunas afirmaciones sobre los mejores resultados en benchmarks las hace el propio proyecto y no se han verificado de forma independiente aquí.
  • El uso de la Free API alojada depende de una cuenta en una plataforma de terceros y de sus condiciones.

En colecciones

Ejecuta LLM en localHerramientas de PDF, OCR y documentos

Temas

#ocr#document-parsing#vision-language-model#pdf#key-information-extraction#llm-inference#fine-tuning#image2text#minicpm-v

Preguntas frecuentes

¿Qué es MiniCPM-OCR?
MiniCPM-OCR es una familia de modelos de código abierto para analizar documentos, junto con un modelo complementario que evalúa si los resultados de OCR son correctos. MiniCPM-OCR es un conjunto de modelos que convierte documentos y PDF en chino e inglés en texto, tablas y fórmulas. MiniCPM-OCR 1.0 (1,3B de parámetros) procesa entradas complejas, como escaneos, fotografías, páginas curvas o inclinadas y documentos fotografiados de nuevo, y también admite la extracción de información clave.
¿MiniCPM-OCR es gratuito? ¿Qué licencia tiene?
MiniCPM-OCR es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿MiniCPM-OCR sigue mantenido?
Mantenimiento activo. El último commit de MiniCPM-OCR fue el 6 nov 2026.
¿Para qué puedo usar MiniCPM-OCR?
Convertir contratos, estados financieros o informes escaneados en Markdown con capacidad de búsqueda. Extraer campos estructurados de recibos o formularios para procesarlos posteriormente. Filtrar los resultados de OCR para que solo las regiones con puntuaciones bajas se envíen a revisión humana. Ajustar un analizador de documentos a un dominio o diseño documental específico.
¿Cómo se instala MiniCPM-OCR?
Instala el SDK de pip de MiniCPM-OCR Sigue el tutorial de implementación local de MiniCPM-OCR 1.0 para ejecutar los modelos O usa la Free API para realizar el reconocimiento sin hardware local
¿Dónde consigo MiniCPM-OCR?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/OpenBMB/MiniCPM-OCR

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados