DeepSeek-OCR

DeepSeek-OCR รองรับมากกว่า 100 ภาษา รวมถึงสคริปต์ละติน (อังกฤษ, สเปน, ฝรั่งเศส, เยอรมัน), ภาษาเอเชีย (จีน, ญี่ปุ่น, เกาหลี), สคริปต์อาหรับ, สคริปต์ซีริลลิก (รัสเซีย, ยูเครน) และภาษาอินเดีย (ฮินดี, เบงกาลี, ทมิฬ ฯลฯ) โมเดลจะตรวจจับภาษาในเอกสารที่มีหลายภาษาโดยอัตโนมัติ

DeepSeek-OCR ใช้เทคโนโลยี Contextual Optical Compression ขั้นสูง พร้อมสถาปัตยกรรมใหม่ที่รวม DeepEncoder และตัวถอดรหัส MoE พารามิเตอร์ 3B มันเหนือกว่าการดึงข้อความ เพื่อมอบความสามารถ OCR 2.0 รวมถึงการแยกวิเคราะห์แผนภูมิ การจดจำสูตรที่ซับซ้อน การทำความเข้าใจรูปทรงเรขาคณิต และการวิเคราะห์โครงสร้างเอกสารเชิงลึก

ได้ DeepSeek-OCR มีความแม่นยำมากกว่า 92% ทั้งลายมือแบบหวัดและแบบพิมพ์ เพื่อผลลัพธ์ที่ดีที่สุด ตรวจสอบให้แน่ใจว่ามีแสงสว่างเพียงพอ ความคมชัดที่ดี และการจัดแนวเส้นตรงของเอกสารที่เขียนด้วยลายมือ

DeepSeek-OCR สามารถประมวลผลมากกว่า 200,000 หน้าต่อวันบน GPU A100-40G เพียงตัวเดียว ด้วยความเร็วสูงสุดถึง 2,500 โทเค็นต่อวินาที เมื่อใช้การประมวลผลแบบกลุ่ม vLLM ประสิทธิภาพจะแตกต่างกันไปตามความซับซ้อนของเอกสารและวิธีการปรับใช้

แน่นอน DeepSeek-OCR มีความโดดเด่นในการทำความเข้าใจเลย์เอาต์ที่ซับซ้อน รวมถึงตาราง แบบฟอร์ม เอกสารหลายคอลัมน์ และรักษาการจัดรูปแบบเมื่อแปลงเป็น Markdown นอกจากนี้ยังสามารถแยกวิเคราะห์แผนภูมิและจดจำสูตรทางคณิตศาสตร์และเคมีได้อีกด้วย

ใช่ DeepSeek-OCR ใช้การประมวลผลที่เข้ารหัสและลบข้อมูลโดยอัตโนมัติภายใน 24 ชั่วโมงเมื่อใช้เครื่องมือออนไลน์ เพื่อความเป็นส่วนตัวและการควบคุมสูงสุด คุณสามารถปรับใช้โมเดลบนโครงสร้างพื้นฐานของคุณเองได้ โดยใช้ตัวเลือกการปรับใช้แบบโฮสต์เอง

DeepSeek-OCR มีตัวเลือกการปรับใช้สี่แบบ: (1) เครื่องมือออนไลน์สำหรับการประมวลผลทันที, (2) Python API สำหรับการเขียนสคริปต์และการสร้างต้นแบบ, (3) การประมวลผลแบบกลุ่ม vLLM สำหรับปริมาณงานการผลิต และ (4) การปรับใช้แบบโฮสต์เองบนโครงสร้างพื้นฐานของคุณด้วยการรองรับ Docker, Kubernetes หรือแพลตฟอร์มคลาวด์

ได้ DeepSeek-OCR มีความสามารถในการแยกวิเคราะห์แผนภูมิขั้นสูง ที่สามารถดึงข้อมูลจากกราฟ แผนภูมิแท่ง แผนภูมิวงกลม และการแสดงภาพอื่นๆ ได้อย่างแม่นยำ ทำให้เหมาะสำหรับการประมวลผลรายงานและเอกสารเชิงวิเคราะห์