Repolode
提交项目
OpenBMB

OpenBMB/MiniCPM-OCR

MiniCPM-OCR 是一组开源文档解析模型，另有配套模型可对 OCR 结果的正确性打分。

可替代:ABBYY FineReader

在 GitHub 查看
Star
838
Fork
60
未关闭 Issue
1
最近提交
昨天

这是什么？

MiniCPM-OCR 是一组用于高效文档解析和文字识别的模型，能够把中英文文档和 PDF 转换为文本、表格和公式。其中 1.0 版本（1.3B 参数）适用于扫描件、照片、弯曲或倾斜页面、翻拍文档等复杂输入，并支持关键信息抽取。

Jev 是独立的 2B 判别模型。输入图片和对应的 OCR 结果后，它会按区域输出 0 到 1 之间的质量分数，帮助挑出可靠结果，并定位需要人工复核的内容，可配合不同的解析模型使用。

项目支持通过 vLLM、SGLang、llama.cpp 和 Ollama 推理，模型权重提供 BF16、GGUF、AWQ、GPTQ 等版本。同时提供 pip SDK、在线 API，以及 LLaMA-Factory 和 Swift 的微调教程。

核心功能

  • 01将中英文文档和 PDF 解析为 Markdown、表格和公式。
  • 02可处理扫描件、照片、弯曲页面和翻拍文档。
  • 03支持关键信息抽取与文字识别。
  • 04按区域对 OCR 结果打分，标记需要复核的内容。
  • 05支持 vLLM、SGLang、llama.cpp 和 Ollama 推理，并提供量化权重。
  • 06提供 pip SDK、在线 API 以及微调教程。

适用场景

  • 将扫描的合同、财务报表或报告转换为可检索的 Markdown。
  • 从票据或表单中抽取结构化字段，供后续流程使用。
  • 筛选 OCR 结果，仅将低分区域交给人工复核。
  • 针对特定领域或版式微调文档解析模型。

快速上手

  1. 1

    安装 MiniCPM-OCR pip SDK

  2. 2

    按照 MiniCPM-OCR 1.0 本地部署教程运行模型

  3. 3

    或使用免费 API 进行识别，无需本地硬件

使用前须知

  • 本地运行模型需要自备硬件，README 未列出最低配置。
  • 部分顶尖基准成绩由项目方自行报告，此处未经独立验证。
  • 使用托管的免费 API 需依赖第三方平台账户及其条款。

收录于专题

本地运行大模型PDF、OCR 与文档处理工具

标签

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

常见问题

MiniCPM-OCR 是什么？
MiniCPM-OCR 是一组开源文档解析模型，另有配套模型可对 OCR 结果的正确性打分。 MiniCPM-OCR 是一组用于高效文档解析和文字识别的模型，能够把中英文文档和 PDF 转换为文本、表格和公式。其中 1.0 版本（1.3B 参数）适用于扫描件、照片、弯曲或倾斜页面、翻拍文档等复杂输入，并支持关键信息抽取。
MiniCPM-OCR 可以免费使用吗？用的什么许可证？
MiniCPM-OCR 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
MiniCPM-OCR 还在维护吗？
活跃维护中。MiniCPM-OCR 最近一次提交是在 2026年11月6日。
MiniCPM-OCR 适合用来做什么？
将扫描的合同、财务报表或报告转换为可检索的 Markdown。 从票据或表单中抽取结构化字段，供后续流程使用。 筛选 OCR 结果，仅将低分区域交给人工复核。 针对特定领域或版式微调文档解析模型。
MiniCPM-OCR 怎么安装和运行？
安装 MiniCPM-OCR pip SDK 按照 MiniCPM-OCR 1.0 本地部署教程运行模型 或使用免费 API 进行识别，无需本地硬件
在哪里获取 MiniCPM-OCR？
源代码和安装说明在 GitHub 上：https://github.com/OpenBMB/MiniCPM-OCR

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目