deepseek-ai/DeepSeek-OCR
🌟 Github | 📥 Model Download | 📄 Paper Link | 📄 Arxiv Paper Link | DeepSeek-OCR: Contexts Optical Compression Explore the boundaries of visual-text compression. Usage Inference using Huggingface transformers on NVIDIA GPUs. Requirements tested on...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Ngày
#1 Repository Của Ngày
#3 Repository Của Ngày
🧠 DeepSeek-OCR: Nén thị giác - văn bản thông minh từ DeepSeek
Mô hình OCR đa ngôn ngữ hỗ trợ chuyển đổi tài liệu hình ảnh sang markdown hoặc văn bản bằng transformers và vLLM.
DeepSeek-OCR là một mô hình image-text-to-text do DeepSeek AI phát triển, thiết kế để khám phá các biên giới của nén thị giác - văn bản. Mô hình hỗ trợ OCR (recognition ký tự quang học) và chuyển đổi tài liệu hình ảnh thành định dạng markdown hoặc văn bản, chạy trên GPU NVIDIA với HuggingFace transformers hoặc tăng tốc qua vLLM.
✨ Điểm nổi bật
- Hỗ trợ transformers: Chạy inference trực tiếp bằng AutoModel và AutoTokenizer từ HuggingFace.
- Tích hợp vLLM: Hỗ trợ tăng tốc inference và xử lý PDF qua vLLM từ bản nightly.
- Chuyển đổi sang markdown: Prompt
<image>\n<|grounding|>Convert the document to markdown.biến tài liệu thành markdown. - OCR tự do: Prompt
<image>\nFree OCR.trích xuất văn bản từ hình ảnh. - Cấu hình linh hoạt: Hỗ trợ nhiều kích thước (Tiny, Small, Base, Large) và crop_mode tùy chỉnh.
- Đa ngôn ngữ: Xử lý nội dung đa ngôn ngữ.
- FlashAttention 2: Tối ưu tốc độ với
_attn_implementation='flash_attention_2'. - Lưu kết quả: Tù chọn lưu kết quả inference ra thư mục.
💡 Vì sao đáng chú ý
DeepSeek-OCR nổi bật nhờ khả năng kết hợp giữa OCR truyền thống và xử lý ngôn ngữ tự nhiên thông qua kiến trúc vision-language. Khác với các mô hình OCR chỉ trích xuất ký tự, DeepSeek-OCR có thể hiểu cấu trúc tài liệu và chuyển đổi thành markdown có cấu trúc. Đặc biệt hữu ích cho xử lý tài liệu quy mô lớn, trích xuất kiến thức từ PDF, hoặc ứng dụng trong hệ thống RAG (Retrieval-Augmented Generation).
#DeepSeekOCR #OCR #VisionLanguage #Transformers #vLLM #TiniX
Similar Projects
Discover other similar projects and AI models.
Unlimited OCR Works Welcome the Era of One-shot Long-horizon Parsing. Release - 2026/06/23 📄 Our paper is now available on arXiv(https://arxiv.org/abs/2606.23050). - 2026/06/23 🤝 Thanks to the ModelScope community for their support. Our model is n...
📰 Tech Blog | 📄 Full Report 1. Model Introduction Kimi K3 is an open-weight, native multimodal agentic model and our most capable model to date. It is a 2.8T-parameter model built on Kimi Delta Attention (K...
Qwen3.8-27B !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc. !Tip F...
Hugging Face | GitHub | Launch Blog | Documentation License: Apache 2.0 | Authors: Google DeepMind Gemma is a family of open models built by Google DeepMind. Gemma 4 models are multimodal, handling text and image input (with audio supported on small...
DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression Technical Report 👁️ Introduction We introduce DeepSeek-V4.1-Flash, a multimodal Mixture-of-Experts (MoE) model with 552B backbone parameters and support for contexts of up to one milli...
Qwen3.8-Flash-Next !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc....
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
DeepSeek-R1 Paper Link👁️ 1. Introduction We introduce our first-generation reasoning models, DeepSeek-R1-Zero and DeepSeek-R1. DeepSeek-R1-Zero, a model trained via large-scale reinforcement learning (RL) without supervised fine-tuning (SFT) as a p...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...