编辑点评
"小米开源的轻量文档 OCR 模型,一份权重覆盖文档转 Markdown、字段抽取与文档问答,适合本地部署和二次开发。"
优势
- • 0.8B 参数即可完成文档转 Markdown、字段抽取和文档问答。
- • Apache-2.0 开源,权重与代码均可获取,支持完全本地部署。
- • 提供浏览器 Demo、MCP 服务和 SGLang/vLLM/Ollama 多种本地推理方式。
- • 官方给出 OmniDocBench v1.6、PubTabNet、UniMER-Test 等基准结果,并附带可复现评测流程。
局限
- • 完整使用需自行准备 Python 3.10+ 环境、推理运行时和相应硬件。
- • 浏览器 Demo 默认连接本地推理后端,需先启动模型服务。
- • 区域解析需额外安装 PaddlePaddle、PaddleX 与 PP-DocLayoutV3 版面模型。
- • 社区 GGUF 量化版本未经官方评测,使用前需自行验证效果。
Q&A
快速了解这个工具的常见问题与答案
- 这个工具如何收费?
- Answer
项目以 Apache-2.0 协议开源,模型权重和代码都可免费获取使用,没有订阅或按量计费套餐;实际成本主要来自本地部署所需的硬件和运维。
- 这个工具支持哪些访问方式?
- Answer
官方提供本地浏览器 Demo,运行 demo/server.py 后可访问本机网页界面;另外提供 MCP 服务,并可在 Hugging Face Space 上试用在线演示。模型通过 SGLang、vLLM 或 Ollama 在本地运行。
- 这个工具是否支持 API?
- Answer
支持。Demo 调用的是本地 SGLang 或 vLLM 提供的 OpenAI 兼容接口(默认 127.0.0.1:8000/v1),也可切到 Ollama 的本地接口;项目还提供 MCP 服务,便于接入本地 Agent 工作流。
- 这个工具是否支持中文或多语言?
- Answer
浏览器 Demo 界面可在 English 与简体中文之间切换,仓库同时提供英文和简体中文 README。
- 使用这个工具需要技术背景吗?
- Answer
完整部署需要 Python 3.10 或更高版本,选择并配置 SGLang/vLLM 或 Ollama 运行时,还要处理模型权重下载和硬件兼容性;仓库也提供了让 Agent 按 SKILL.md 自动安装的流程,可降低操作成本。
- 这个工具有哪些主要限制?
- Answer
需要自行准备运行环境和推理硬件;区域解析依赖 PaddlePaddle、PaddleX 与版面模型,手写、书法、古籍和不规则版式官方建议改用整页解析;社区 GGUF 量化版本未经官方评测。
Q
Q
Q
Q
Q
Q
工具介绍
核心能力
主能力
演示、文档与 PDF
次要能力
搜索、知识库与研究
适用场景
知识管理
文档处理
价格与版本
Free
访问方式
Web AppAPI
支持语言
EnglishSimplified Chinese