编辑点评
"开源 OCR 里少见的“解析 + 质量评分”组合:既能自建文档解析流水线,也能用 Jev 给识别结果打分、挑出需要人工复核的区域。"
优势
- • Apache-2.0 开源,提供模型权重、pip SDK、Docker 镜像与免费 API
- • 1.3B 的 MiniCPM-OCR 1.0 在 Real5-OmniDocBench 等文档解析基准上表现领先
- • 配套 Jev 模型可输出 0-1 区域级质量分,便于定位需复核内容
- • 支持中英文文档与 PDF,输出 Markdown 或 JSON,并可在 iOS 设备上离线识别
局限
- • 本地部署需同时准备 SDK 环境与独立推理服务,并搭配 PaddlePaddle/PaddleX 与 GPU 环境
- • vLLM、SGLang 路线主要面向 Linux + NVIDIA GPU,对驱动版本和显存有要求
- • 设备端文档识别目前仅在 iOS 端提供
- • 区域级质量评分由独立的 MiniCPM-OCR Jev 模型提供,需要额外部署和调用
Q&A
快速了解这个工具的常见问题与答案
- 这个工具是否提供免费版?
- Answer
是。模型权重以 Apache-2.0 协议开源,可免费下载并自行部署;官方还提供免费 API,可直接调用识别与质量评分能力。
- 这个工具如何收费?
- Answer
模型权重开源,可免费下载使用,官方另提供免费 API 便于试用;如果自行搭建服务,服务器、GPU 等资源成本需要自己承担。
- 这个工具支持哪些访问方式?
- Answer
可通过官方网页版文档解析演示直接试用,也提供免费 API、pip SDK 和 Docker 部署;官方还说明文档识别可在 iOS 设备上离线运行。
- 这个工具是否支持 API?
- Answer
支持。官方提供免费 API,覆盖 MiniCPM-OCR 1.0 识别与 MiniCPM-OCR Jev 质量评分,并配有对应的 API 文档。
- 这个工具是否支持中文或多语言?
- Answer
官方明确支持中文和英文文档与 PDF 解析,网页演示可切换中英文;如需其他语种,可参考官方提供的 LLaMA-Factory、Swift 微调文档自行适配。
- 使用这个工具需要技术背景吗?
- Answer
使用在线网页演示门槛较低;如果要本地部署或接入业务系统,需要熟悉 Python、SDK、Docker,以及 vLLM / SGLang / llama.cpp / Ollama 等推理环境。
- 这个工具有哪些主要限制?
- Answer
本地部署需要分别准备 SDK 环境和推理服务环境,并处理 PaddlePaddle/PaddleX、CUDA/GPU 等依赖;vLLM、SGLang 路线主要面向 Linux + NVIDIA GPU;设备端文档识别目前仅在 iOS 端提供。
工具介绍
核心能力
适用场景
产品动态
查看官方发布和相关报道,了解这个产品的最新进展。
相关报道
更多OmniTools 10月28日消息,面壁智能发布并开源 MiniCPM OCR 系列模型,包括 1.3B 参数的 MiniCPM OCR 1.0 以及判别模型 MiniCPM OCR Jev。 据公开信息,MiniCPM OCR 1.0 在 Real5 OmniDocBench 上取得 93.68 的得分,在 OCRBench v2 上取得 54.7 的得分,两项评测均达到 SOTA。 在效率方面,该模型经 DSpark 解码加速后,端到端效率提升 55%,吞吐达到 1.2...