rdumasia303/deepseek_ocr_app

これは何？

主な機能

• 01テキスト抽出、説明、用語検索、自由形式のプロンプトに対応した単一画像のOCR。
• 02ページごとの進捗を確認できる複数ページPDFの処理。
• 03Markdown、HTML、DOCX、JSON形式でエクスポート。
• 04PDF内の埋め込み画像を抽出し、エクスポートした文書に含める。
• 05モデルが出力したLaTeXの数式や表を保持。
• 06設定可能な.envファイルを使い、Docker Composeで実行。

ユースケース

• スキャンしたPDFを編集可能なWordファイルやMarkdownファイルに変換する。
• 請求書、フォーム、レポートから表やテキストを取り出す。
• 学術論文からテキストや数式を抽出する。
• Web UIとREST APIを通じてDeepSeek-OCRをローカルで試す。

クイックスタート

1. 1

   リポジトリをクローンし、環境設定ファイルをコピーします

   git clone <repository-url> cd deepseek_ocr_app cp .env.example .env
2. 2

   Docker Composeでアプリケーションを起動します

   docker compose up --build
3. 3

   ブラウザーで localhost:3000 を開きます

使う前に知っておきたいこと

• !CUDAに対応したNVIDIA GPUとNVIDIA Container Toolkitが必要です。
• !初回起動時に約5～10GBのモデルをダウンロードするため、ディスクに約20GBの空き容量が必要です。
• !テーブル、レイアウト、多言語などの高度なOCRモードは、追加テストが完了するまで無効になっています。

トピック

よくある質問

deepseek_ocr_app とは？

Reactフロントエンド、FastAPIバックエンド、Docker構成で画像やPDFのDeepSeek-OCRを実行するWebアプリ。 DeepSeek OCR Appは、DeepSeek-OCRモデルをWebインターフェースから使えるようにするアプリです。Reactフロントエンドでは画像やPDFをアップロードし、テキスト抽出、説明、用語検索、カスタムプロンプトなどのOCRモードを選んで結果を確認できます。FastAPIバックエンドがモデルを実行し、単一画像と複数ページのPDFに対応するエンドポイントを提供します。

deepseek_ocr_app は無料で使えますか？ライセンスは？

deepseek_ocr_app は MIT 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。

deepseek_ocr_app は今もメンテナンスされていますか？

半年以上コミットなし。deepseek_ocr_app の最終コミットは 2026年3月31日 です。

deepseek_ocr_app は何に使えますか？

スキャンしたPDFを編集可能なWordファイルやMarkdownファイルに変換する。 請求書、フォーム、レポートから表やテキストを取り出す。 学術論文からテキストや数式を抽出する。 Web UIとREST APIを通じてDeepSeek-OCRをローカルで試す。

deepseek_ocr_app のインストール方法は？

リポジトリをクローンし、環境設定ファイルをコピーします: git clone <repository-url> cd deepseek_ocr_app cp .env.example .env Docker Composeでアプリケーションを起動します: docker compose up --build ブラウザーで localhost:3000 を開きます

deepseek_ocr_app 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/rdumasia303/deepseek_ocr_app