Microservicio basado en Docker e interfaz de Gradio que segmenta las páginas de PDF en títulos, texto, tablas, imágenes y más, con OCR y conversión a Markdown/HTML.
1,4 mil148PythonApache-2.0Actualizado hace 14 días
rdumasia303/deepseek_ocr_app
Aplicación web para ejecutar DeepSeek-OCR con imágenes y PDF, con frontend en React, backend en FastAPI y configuración de Docker.
Alternativa open source a:Adobe Acrobat
- Estrellas
- 1,892
- Forks
- 311
- Issues abiertos
- 12
- Último commit
- hace 7 meses
¿Qué es?
DeepSeek OCR App integra el modelo DeepSeek-OCR en una interfaz web. El frontend en React permite subir imágenes o PDF, elegir un modo de OCR —como extracción de texto sin formato, descripción, búsqueda de términos o prompts personalizados— y consultar los resultados. El backend en FastAPI ejecuta el modelo y ofrece endpoints para imágenes individuales y PDF de varias páginas.
Con los PDF, la aplicación procesa cada página y muestra el progreso; también puede exportar los resultados como Markdown, HTML, DOCX o JSON. Puede extraer las imágenes incrustadas e incluirlas en el resultado, y conservar las fórmulas LaTeX y las tablas que genere el modelo. En el modo de imagen, dibuja sobre la imagen los cuadros delimitadores de grounding.
Toda la pila se ejecuta con Docker Compose y requiere una GPU NVIDIA compatible con CUDA, aproximadamente entre 8 y 12 GB de VRAM y una descarga inicial del modelo de unos 5 a 10 GB.
Funciones clave
- 01OCR de una sola imagen con modos de texto sin formato, descripción, búsqueda de términos y prompts libres.
- 02Procesamiento de PDF de varias páginas con seguimiento del progreso por página.
- 03Exportación a Markdown, HTML, DOCX o JSON.
- 04Extrae imágenes incrustadas en PDF y las incluye en los documentos exportados.
- 05Conserva las fórmulas LaTeX y las tablas generadas por el modelo.
- 06Se ejecuta mediante Docker Compose y permite configurar un archivo .env.
Casos de uso
- Convertir PDF escaneados en archivos editables de Word o Markdown.
- Extraer tablas y texto de facturas, formularios o informes.
- Extraer texto y fórmulas de artículos académicos.
- Probar DeepSeek-OCR localmente mediante una interfaz web y una REST API.
Inicio rápido
- 1
Clona el repositorio y copia el archivo de entorno
git clone <repository-url> cd deepseek_ocr_app cp .env.example .env - 2
Inicia la aplicación con Docker Compose
docker compose up --build - 3
Abre localhost:3000 en el navegador
Antes de usarlo
- Se requiere una GPU NVIDIA compatible con CUDA y NVIDIA Container Toolkit.
- La primera ejecución descarga un modelo de aproximadamente 5-10 GB y requiere unos 20 GB de espacio libre en disco.
- Los modos avanzados de OCR, como tablas, diseño y multilingüe, están desactivados hasta que se realicen más pruebas.
Temas
Preguntas frecuentes
- ¿Qué es deepseek_ocr_app?
- Aplicación web para ejecutar DeepSeek-OCR con imágenes y PDF, con frontend en React, backend en FastAPI y configuración de Docker. DeepSeek OCR App integra el modelo DeepSeek-OCR en una interfaz web. El frontend en React permite subir imágenes o PDF, elegir un modo de OCR —como extracción de texto sin formato, descripción, búsqueda de términos o prompts personalizados— y consultar los resultados. El backend en FastAPI ejecuta el modelo y ofrece endpoints para imágenes individuales y PDF de varias páginas.
- ¿deepseek_ocr_app es gratuito? ¿Qué licencia tiene?
- deepseek_ocr_app es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿deepseek_ocr_app sigue mantenido?
- Sin commits en más de 6 meses. El último commit de deepseek_ocr_app fue el 31 mar 2026.
- ¿Para qué puedo usar deepseek_ocr_app?
- Convertir PDF escaneados en archivos editables de Word o Markdown. Extraer tablas y texto de facturas, formularios o informes. Extraer texto y fórmulas de artículos académicos. Probar DeepSeek-OCR localmente mediante una interfaz web y una REST API.
- ¿Cómo se instala deepseek_ocr_app?
- Clona el repositorio y copia el archivo de entorno: git clone <repository-url> cd deepseek_ocr_app cp .env.example .env Inicia la aplicación con Docker Compose: docker compose up --build Abre localhost:3000 en el navegador
- ¿Dónde consigo deepseek_ocr_app?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/rdumasia303/deepseek_ocr_app
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Plataforma de código abierto y autoalojable para editar, firmar, censurar, convertir y automatizar archivos PDF desde el navegador, el escritorio o mediante API.
94,5 mil11,8 milTypeScriptOtherActualizado ayer
Utilidad de Python que convierte PDF, documentos de Office, HTML, imágenes, audio y más a Markdown para LLM y flujos de análisis de texto.
191,2 mil14,2 milPythonMITActualizado hace 16 días
Servicio FastAPI autoalojado que convierte PDF, imágenes y documentos de Office a Markdown o JSON estructurado, con OCR, LLM locales mediante Ollama y eliminación de datos personales.
3,2 mil279PythonMITActualizado hace 11 meses
Herramienta de IA que convierte temas de gramática y uso del inglés en videos educativos verticales de 30 segundos, con subtítulos en chino y palabras clave en inglés resaltadas.
18221PythonSin licenciaActualizado hace 2 meses
Convierte PDF y otros documentos a Markdown, JSON, fragmentos o HTML, con asistencia opcional de LLM para mejorar la precisión.
40,6 mil2,9 milPythonApache-2.0Actualizado hace 22 horas