DeepSeek-OCR：视觉-文本压缩技术革新光学字符识别

人工智能研究领域的领导者 DeepSeek AI 近日发布了 DeepSeek-OCR，这是一个创新的开源项目，旨在突破光学字符识别（OCR）和视觉-文本压缩的界限。该项目推出了一款强大的AI模型，旨在探索视觉编码器与大型语言模型（LLMs）之间复杂的关联，为人工智能感知和处理视觉信息提供了全新视角。

揭秘语境光学压缩技术

DeepSeek-OCR 的核心在于“语境光学压缩”（Contexts Optical Compression），这是一种分析和理解视觉文档的新颖方法。该模型利用先进技术，不仅能提取文本，还能理解图像中的语境细微之处。这使其在多种任务中表现出色，例如将复杂文档转换为结构化 Markdown、准确解析图表以及提供详细的图像描述等。

主要特性与功能

DeepSeek-OCR 凭借其几项令人印象深刻的特性脱颖而出：

• 以 LLM 为中心的视觉编码： 该模型专门设计用于研究视觉编码器如何促进 LLM 的理解，为多模态 AI 提供了深入见解。
• 多功能 OCR 任务： 它能处理多种提示，包括将文档转换为 Markdown、通用 OCR、图表解析以及详细的图像描述。
• 多分辨率模式： DeepSeek-OCR 支持多种原生和动态分辨率模式，从“微型”（512x512）到“高达”（多分辨率），可根据图像复杂度和处理需求灵活应用。
• 高性能推理： 该项目为 vLLM 和 Transformers 推理提供了全面的指导，确保开发者能实现最佳性能；vLLM 在 PDF 处理方面展现了令人瞩目的并发能力。
• 开源便捷性： DeepSeek-OCR 在 MIT 许可下发布，并可在 GitHub 上获取，鼓励社区贡献，并促进其在研究和实际应用中的广泛采用。

DeepSeek-OCR 入门指南

对于渴望深入研究的开发者和研究人员，DeepSeek-OCR 提供了简单明了的安装和使用说明。该项目主要基于 Python 构建，需要 cuda11.8+torch2.6.0，并可通过 conda 进行环境管理设置。

安装步骤（摘要）： 1. 从 GitHub 克隆 DeepSeek-OCR 仓库。 2. 创建并激活 conda 环境。 3. 通过 pip 安装 PyTorch、vLLM（版本0.8.5）以及其他依赖项。

推理选项：

• vLLM 推理： 适用于高吞吐量场景，尤其是处理 PDF 文档。输入/输出路径及其他设置可在 config.py 中进行配置。
• Transformers 推理： 为集成到现有 Transformers 工作流中，可通过 AutoTokenizer 和 AutoModel 加载模型（deepseek-ai/DeepSeek-OCR），支持多种提示示例以应对不同任务。

可视化与鸣谢

项目仓库展示了引人注目的可视化效果，证明 DeepSeek-OCR 能够准确处理和解释复杂的视觉信息。DeepSeeK AI 团队感谢 Vary、GOT-OCR2.0、MinerU 和 PaddleOCR 等其他领先项目提供的宝贵贡献和想法，这凸显了 AI 社区的协作精神。同时，团队也对 Fox 和 OminiDocBench 等基准测试表示赞赏，这表明了其对严谨评估的承诺。

DeepSeek-OCR 代表着将先进 OCR 能力变得更易用、更高效的一大进步，可应用于从自动化文档处理到复杂数据提取等广泛领域。