DeepSeek-OCR : DeepSeek OCR PDF
DeepSeek-OCR 是一款先进的 AI 驱动的光学字符识别模型，能够准确地从 100 多种语言的图像和文档中提取文本，并具有处理复杂布局、手写、图表和数学公式的专业功能。
主要特性
DeepSeek-OCR 是一款先进的光学字符识别模型，它利用尖端的人工智能技术和上下文光学压缩，高效地从图像和文档中提取文本。
多语言支持
能够以高精度识别 100 多种语言的文本，包括英语、中文、日语、韩语、阿拉伯语、西里尔语和印度语言。
高速处理
在单个 A100-40G GPU 上每天可处理超过 200,000 页，速度高达每秒 2,500 个 tokens。
高级 OCR 2.0 功能
超越了简单的文本提取，具备图表解析、复杂公式识别、几何图形理解和深度文档结构分析等功能。
复杂布局理解
能够准确地从具有复杂布局的文档（包括表格、表单）中提取文本，并在转换为 Markdown 时保留格式。
手写识别
通过先进的可视化 token 处理，在草书和印刷体手写识别方面均达到 92% 以上的准确率。
隐私优先处理
通过加密处理和 24 小时内自动删除来确保数据安全，并提供自托管部署选项。
用例
DeepSeek-OCR 在广泛的文档处理场景中表现出色，从简单的文本提取到复杂的学术和商业应用。
文档数字化
将印刷档案、历史文档和扫描书籍转换为可编辑的数字格式，并保留格式和结构。
业务自动化
自动从发票、收据、合同和表单中录入数据，以简化工作流程并减少手动处理时间。
学术研究
处理研究论文、教科书和科学文档，包括数学公式、化学方程式和复杂图表。
多语言内容管理
处理包含多种语言的文档，无需手动干预，非常适合国际组织和翻译服务。
从视觉内容中提取数据
从图表、图形、表格和技术插图中提取数据，用于分析和报告目的。
手写数字化
将手写笔记、表单和签名转换为数字文本，具有高精度，便于存档和搜索。
DeepSeek-OCR Prompt 指南
掌握有效使用 DeepSeek-OCR 处理各种文档任务的艺术
有效 OCR 的关键要素
图像质量
确保图像清晰、光线充足，并具有足够的分辨率（建议最低 300 DPI），以实现最佳的文本识别效果。
文档类型指定
指定您正在处理的文档类型，以帮助模型优化识别模式。
语言上下文
虽然模型可以自动检测语言，但指定主要语言可以提高混合语言文档的准确性。
输出格式偏好
定义您首选的输出格式 - 纯文本、保留格式的 Markdown 或结构化数据提取。
专业提示
批量处理以提高效率
对于大型文档集，使用 vLLM 批量处理，以在 A100-40G GPU 上实现约 2,500 个 tokens/秒的最佳吞吐量。
手写文本的预处理
对于手写文档，确保充足的光照和对比度。笔直对齐可以将识别准确率提高到 92% 以上。
利用高级功能
对于包含复杂视觉元素的科学论文和技术文档，利用图表解析和公式识别功能。
自托管处理敏感数据
在您自己的基础设施上部署，以便在处理机密文档时获得最大的隐私和控制。
基本 OCR 与增强 OCR 的比较
"上传图像 → 提取文本 → 纯文本输出"
"上传图像 → 指定文档类型 → 启用结构保留 → 获取带有表格、公式和完整格式的 Markdown"
"仅处理英文文档"
"同时处理 100 多种语言的文档，具有自动检测和混合语言支持"
"从简单文档中提取纯文本"
"提取文本、解析图表、识别公式、理解几何图形并保留完整的文档结构"
如何使用 DeepSeek-OCR
通过多种部署选项开始使用 DeepSeek-OCR，这些选项根据您的需求量身定制。
选择您的部署方法
根据您对速度、规模和隐私的要求，从在线工具、Python API、vLLM 批量处理或自托管部署中进行选择。
上传您的文档
通过 Web 界面或 API 上传图像或 PDF 文件。支持的格式包括 JPG、PNG、TIFF 和多页 PDF。
配置处理选项
指定文档类型、语言偏好和输出格式。根据需要启用高级功能，如图表解析或公式识别。
处理和审查
提交您的文档进行处理。该模型将提取文本，并保留结构、格式，并自动处理复杂元素。
导出或集成结果
以您喜欢的格式下载提取的文本，或通过 API 直接集成到您的工作流程中，以实现自动处理管道。
最佳实践
- •使用高分辨率图像（300 DPI 或更高）以获得最佳准确性
- •对于大型文档集，使用 vLLM 批量处理以实现最大吞吐量
- •处理格式化文档、表格或学术论文时，启用结构保留
- •考虑自托管部署以处理敏感或机密文档
- •首先使用示例文档进行测试，以优化特定用例的设置
DeepSeek-OCR 支持 100 多种语言，并处理具有复杂布局、公式和图表的文档。对于生产工作负载，请考虑使用 Python API 或 vLLM 批量处理以获得最佳性能。
常见问题解答
关于 DeepSeek-OCR 以及如何充分利用该模型的常见问题。
准备好改变您的文档处理方式了吗？
体验 DeepSeek-OCR 先进的光学字符识别的强大功能，它支持 100 多种语言、图表解析和复杂布局理解。
开源模型，在 MIT 许可证下可用。在线部署或自托管以获得最大的隐私和控制。