Devotd Github
新发现多模态

openbmb/minicpm-ocr — 文档识别与结果审查模型

openbmb/minicpm-ocr 是一个 OCR 仓库,同时涵盖读取文档内容的 MiniCPM-OCR 1.0 与查找识别结果待审要点的 MiniCPM-OCR Jev。

仓库信息openbmb/minicpm-ocr ↗

openbmb/minicpm-ocr 是一个 OCR 仓库,同时涵盖读取文档内容的 MiniCPM-OCR 1.0 与查找识别结果待审要点的 MiniCPM-OCR Jev。

GitHub 项目说明: An open-source OCR solution for fast, accurate document parsing with correctness assessment.

星标
★ 70
复刻
6
语言
Python
许可证
Apache-2.0
最新版本
sdk-v1.0.2
查看原始来源 ↗在 GitHub 查看 ↗

openbmb/minicpm-ocr 是一个用于读取文档与 PDF 内容、并对识别结果进行审查的 OCR 仓库。该仓库公开了 MiniCPM-OCR 1.0 与 MiniCPM-OCR Jev 模型。MiniCPM-OCR 1.0 是仅用于文档读取的 1.3B 模型,Jev 则是设计用于在识别结果中按区域找出待审要点的 2B 验证模型。没有记录到单独的最新版本发布。公开范围的依据是仓库说明与 README 中介绍的内容。

MiniCPM-OCR 1.0 不仅读取文字,还读取表格、公式、图表等文档的结构化内容,Jev 则从这些结果中找出需要重新查看的区域。也就是说,这是一个在同一模型家族内分工处理文档识别与结果审查的构成。仓库使用 Python,遵循 Apache-2.0 许可证。README 宣称支持 llama.cpp、vLLM、sglang、ollama,并提供推理与部署指南以及可复现的性能评估文档。这体现了可以在多种推理环境中搭建 OCR 的方向,但并不意味着已独立确认各环境下的实际表现。

README 中的性能对比是项目自行给出的结果,因此不能视为独立验证数值。模型结构与实际性能也没有超出 README 描述的已确认信息。因此,这个仓库展示的是把文档识别与结果审查一并处理的设计以及部署指南,而实际业务所需的准确度或性能仍需另行确认。