Repolode
Enviar
OpenBMB

OpenBMB/MiniCPM-OCR

MiniCPM-OCR é uma família de modelos open source para interpretar documentos, acompanhada de um modelo que avalia se os resultados de OCR estão corretos.

Alternativa open source a:ABBYY FineReader

Ver no GitHub
Estrelas
838
Forks
60
Issues abertas
1
Último commit
há 13 horas

O que é?

MiniCPM-OCR é um conjunto de modelos que interpreta documentos e PDFs em chinês e inglês e os converte em texto, tabelas e fórmulas. MiniCPM-OCR 1.0 (com 1,3B de parâmetros) lida com entradas desafiadoras, como digitalizações, fotografias, páginas curvas ou inclinadas e documentos recapturados, além de oferecer suporte à extração de informações-chave.

MiniCPM-OCR Jev é um modelo de decisão separado, com 2B de parâmetros. Dada uma imagem e um resultado de OCR, ele retorna uma pontuação de qualidade de 0 a 1 por região, ajudando as equipes a selecionar resultados confiáveis e localizar conteúdo que precisa de revisão humana. Ele foi projetado para funcionar com a saída de diferentes modelos de interpretação.

O projeto oferece suporte à inferência por meio de vLLM, SGLang, llama.cpp e Ollama, com pesos BF16, GGUF, AWQ e GPTQ publicados no Hugging Face e no ModelScope. Também inclui um SDK pip, uma API hospedada e tutoriais de fine-tuning para LLaMA-Factory e Swift.

Recursos principais

  • 01Interpreta documentos e PDFs em chinês e inglês e os converte em Markdown, tabelas e fórmulas.
  • 02Lida com digitalizações, fotografias, páginas curvas e documentos recapturados.
  • 03Oferece suporte à extração de informações-chave, além do reconhecimento de texto.
  • 04Avalia os resultados de OCR por região para sinalizar conteúdo que precisa de revisão.
  • 05Executa com vLLM, SGLang, llama.cpp e Ollama, com pesos quantizados disponíveis.
  • 06Oferece um SDK pip, uma API hospedada e guias de fine-tuning.

Casos de uso

  • Converter contratos, demonstrativos financeiros ou relatórios digitalizados em Markdown pesquisável.
  • Extrair campos estruturados de recibos ou formulários para processamento posterior.
  • Filtrar resultados de OCR para que apenas as regiões com pontuação baixa sejam encaminhadas para revisão humana.
  • Fazer fine-tuning de um interpretador de documentos para um domínio ou layout específico.

Início rápido

  1. 1

    Instale o SDK pip do MiniCPM-OCR

  2. 2

    Siga o tutorial de implantação local do MiniCPM-OCR 1.0 para executar os modelos

  3. 3

    Ou use a Free API para fazer o reconhecimento sem hardware local

Antes de usar

  • Para executar os modelos localmente, é necessário ter hardware próprio, e o README não informa os requisitos mínimos.
  • Algumas alegações de desempenho entre os melhores nos benchmarks são feitas pelo próprio projeto e não foram verificadas de forma independente aqui.
  • O uso da Free API hospedada depende de uma conta em uma plataforma de terceiros e dos termos dessa plataforma.

Em coleções

Rode LLMs localmenteFerramentas de PDF, OCR e documentos

Tópicos

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

Perguntas frequentes

O que é MiniCPM-OCR?
MiniCPM-OCR é uma família de modelos open source para interpretar documentos, acompanhada de um modelo que avalia se os resultados de OCR estão corretos. MiniCPM-OCR é um conjunto de modelos que interpreta documentos e PDFs em chinês e inglês e os converte em texto, tabelas e fórmulas. MiniCPM-OCR 1.0 (com 1,3B de parâmetros) lida com entradas desafiadoras, como digitalizações, fotografias, páginas curvas ou inclinadas e documentos recapturados, além de oferecer suporte à extração de informações-chave.
MiniCPM-OCR é gratuito? Qual é a licença?
MiniCPM-OCR é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
MiniCPM-OCR ainda é mantido?
Manutenção ativa. O último commit de MiniCPM-OCR foi em 6 de nov. de 2026.
Para que posso usar MiniCPM-OCR?
Converter contratos, demonstrativos financeiros ou relatórios digitalizados em Markdown pesquisável. Extrair campos estruturados de recibos ou formulários para processamento posterior. Filtrar resultados de OCR para que apenas as regiões com pontuação baixa sejam encaminhadas para revisão humana. Fazer fine-tuning de um interpretador de documentos para um domínio ou layout específico.
Como instalar MiniCPM-OCR?
Instale o SDK pip do MiniCPM-OCR Siga o tutorial de implantação local do MiniCPM-OCR 1.0 para executar os modelos Ou use a Free API para fazer o reconhecimento sem hardware local
Onde consigo MiniCPM-OCR?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/OpenBMB/MiniCPM-OCR

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados