rdumasia303/deepseek_ocr_app

这是什么？

核心功能

• 01单张图片识别，支持纯文字提取、图像描述、关键词定位和自定义提示词模式。
• 02多页 PDF 逐页处理，并显示进度。
• 03结果可导出为 Markdown、HTML、DOCX 或 JSON。
• 04可从 PDF 中提取嵌入图片，并写入导出文档。
• 05保留模型输出的 LaTeX 公式和表格。
• 06通过 Docker Compose 一键启动，端口和上传大小等可在 .env 中配置。

适用场景

• 将扫描版 PDF 转换为可编辑的 Word 或 Markdown 文件。
• 从发票、表单或报告中提取表格和文字。
• 从学术论文中提取正文和公式。
• 通过网页界面和 REST API 在本地体验 DeepSeek-OCR。

快速上手

1. 1

   克隆仓库并复制环境变量文件

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

   使用 Docker Compose 启动应用

   docker compose up --build
3. 3

   在浏览器中打开 localhost:3000 访问前端

使用前须知

• !需要支持 CUDA 的 NVIDIA GPU 以及 NVIDIA Container Toolkit。
• !首次运行需下载约 5-10GB 的模型，并需要约 20GB 可用磁盘空间。
• !表格、版面和多语言等高级 OCR 模式因测试不足已被禁用。

标签

常见问题

deepseek_ocr_app 是什么？

基于 DeepSeek-OCR 的网页应用，可对图片和 PDF 做文字识别，并导出为多种格式。 DeepSeek OCR App 为 DeepSeek-OCR 模型提供了一个网页界面。前端基于 React，可上传图片或 PDF，选择纯文字提取、图像描述、关键词定位或自定义提示词等模式，并查看识别结果。后端基于 FastAPI 调用模型，提供单张图片和多页 PDF 的接口。

deepseek_ocr_app 可以免费使用吗？用的什么许可证？

deepseek_ocr_app 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

deepseek_ocr_app 还在维护吗？

超过半年未提交。deepseek_ocr_app 最近一次提交是在 2026年3月31日。

deepseek_ocr_app 适合用来做什么？

将扫描版 PDF 转换为可编辑的 Word 或 Markdown 文件。 从发票、表单或报告中提取表格和文字。 从学术论文中提取正文和公式。 通过网页界面和 REST API 在本地体验 DeepSeek-OCR。

deepseek_ocr_app 怎么安装和运行？

克隆仓库并复制环境变量文件: git clone <repository-url> cd deepseek_ocr_app cp .env.example .env 使用 Docker Compose 启动应用: docker compose up --build 在浏览器中打开 localhost:3000 访问前端

在哪里获取 deepseek_ocr_app？

源代码和安装说明在 GitHub 上：https://github.com/rdumasia303/deepseek_ocr_app