OpenBMB/MiniCPM-OCR

これは何？

主な機能

• 01中国語と英語の文書やPDFを解析し、Markdown、表、数式に変換します。
• 02スキャン画像、写真、湾曲したページ、撮影し直した文書を処理できます。
• 03テキスト認識に加えて、重要情報の抽出にも対応しています。
• 04OCR結果を領域ごとに採点し、確認が必要な箇所を特定します。
• 05vLLM、SGLang、llama.cpp、Ollamaで動作し、量子化済みの重みも利用できます。
• 06pip SDK、ホスト型API、ファインチューニングガイドを提供します。

ユースケース

• スキャンした契約書、財務諸表、レポートを検索可能なMarkdownに変換する。
• 領収書やフォームから構造化フィールドを抽出し、後続処理に利用する。
• OCR出力を絞り込み、スコアの低い領域だけを人による確認に回す。
• 特定の分野や文書レイアウトに合わせて文書解析モデルをファインチューニングする。

クイックスタート

1. 1

   MiniCPM-OCR の pip SDK をインストールします

2. 2

   MiniCPM-OCR 1.0 のローカルデプロイチュートリアルに従ってモデルを実行します

3. 3

   または Free API を使えば、ローカルのハードウェアなしで認識できます

使う前に知っておきたいこと

• !モデルをローカルで実行するには独自のハードウェアが必要ですが、README には最低要件が記載されていません。
• !ベンチマークでの上位成績に関する主張の一部はプロジェクト自身による報告であり、ここでは独立した検証を行っていません。
• !ホスト型 Free API の利用には、サードパーティプラットフォームのアカウントと利用規約が適用されます。

収録されている特集

トピック

よくある質問

MiniCPM-OCR とは？

MiniCPM-OCRは、オープンソースの文書解析モデル群と、OCR結果の正確さを評価するモデルを提供します。 MiniCPM-OCRは、中国語と英語の文書やPDFをテキスト、表、数式に変換するモデル群です。MiniCPM-OCR 1.0（13億パラメータ）は、スキャン画像、写真、湾曲・傾斜したページ、撮影し直した文書などの難しい入力を処理でき、重要情報の抽出にも対応しています。

MiniCPM-OCR は無料で使えますか？ライセンスは？

MiniCPM-OCR は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

MiniCPM-OCR は今もメンテナンスされていますか？

活発にメンテナンス中。MiniCPM-OCR の最終コミットは 2026年11月6日 です。

MiniCPM-OCR は何に使えますか？

スキャンした契約書、財務諸表、レポートを検索可能なMarkdownに変換する。 領収書やフォームから構造化フィールドを抽出し、後続処理に利用する。 OCR出力を絞り込み、スコアの低い領域だけを人による確認に回す。 特定の分野や文書レイアウトに合わせて文書解析モデルをファインチューニングする。

MiniCPM-OCR のインストール方法は？

MiniCPM-OCR の pip SDK をインストールします MiniCPM-OCR 1.0 のローカルデプロイチュートリアルに従ってモデルを実行します または Free API を使えば、ローカルのハードウェアなしで認識できます

MiniCPM-OCR はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/OpenBMB/MiniCPM-OCR