「DeepSeek-OCR」DeepSeek开源新模型，爆火！内含中英双语论文

不二如是

在开源模型社区中，DeepSeek‑OCR（有时与其母模型 DeepSeek‑VL2 相关联）一经发布即迅速引发关注。

该模型被称“刚发布12小时就拿下2.3 k星标”，并以技术创新与硬实力成为热门话题。其核心突破在于：

当传统 OCR 还主要在拼精度与速度的时候，DeepSeek-OCR 换了个赛道——它提出了“上下文光学压缩技术”，即将文字拍成图片，用视觉模型作为压缩器。

在线学习：



Github：传送门

通过这一方式，原本可能需要上千个 token 才能表达的内容，现在仅需几十个即可完成。

在权威基准 OmniDocBench 上，DeepSeek-OCR 以仅约100个视觉 token 超越了 GOT‑OCR2.0 标准的256 token；

更夸张的是，使用不到800个视觉 token 即完全碾压了平均每页6,000+ token 的 MinerU。

这些数据彰显其在“压缩视觉 token 数量”上的优势。

DeepSeek_OCR_paper-鱼C翻译.pdf 链接: https://pan.baidu.com/s/1jBxwRpIririe2EusEHeZvg?pwd=xiao 提取码:

游客，如果您要查看本帖隐藏内容请回复

[/hide]

DeepSeek-OCR 不仅具备文字识别能力，还声称支持图表转数据、化学公式解析、几何图形识别等多元素版面场景。

其使用场景包括纸质档案电子化、实时证件识别、学术论文处理等；

据称在单张 Nvidia A100 显卡下，日均可处理 20 万页文档。

这意味着它具备从传统扫字转录，向版面理解、结构化提取迈进的潜力。

评论区聊聊你的想法吧

                               
登录/注册后可看大图

>>万能兑换C币许愿池<<

如果有收获，别忘了评分 ：

                               
登录/注册后可看大图

                               
登录/注册后可看大图

                                                                    

不二如是

感谢分享 朕又在鱼C发现宝藏项目啦！非常满意

不二如是

@FishC 介绍 DeepSeek-OCR项目

FishC

不二如是 发表于 2025-10-21 11:25
@FishC 介绍 DeepSeek-OCR项目

DeepSeek-OCR 项目介绍

DeepSeek-OCR 是一个开源的光学字符识别（OCR）项目，由深度求索公司开发。它基于深度学习技术，能够从图像中准确提取文本信息，适用于多种场景。

主要功能：

• 图像文本识别：支持从扫描文档、照片等图像中识别文字。
• 多语言支持：包括中文、英文等常见语言。
• 表格和文档处理：可提取结构化数据，如表格内容。
• 易于集成：提供简单的API，方便集成到其他应用中。
  

特点：

• 高精度：采用先进的神经网络模型，识别准确率高。
• 轻量高效：优化模型大小和速度，适合资源受限环境。
• 开源免费：代码公开，社区驱动，便于学习和定制。
  

简单使用示例：

1. 
   
2. # 假设安装 deepseek-ocr 库后
   
3. from deepseek_ocr import Recognizer
   
4. 
   
5. # 初始化识别器
   
6. ocr = Recognizer()
   
7. 
   
8. # 从图像文件识别文本
   
9. result = ocr.recognize('example.jpg')
   
10. print(result)
    

复制代码

DeepSeek-OCR 适合初学者和开发者用于学习OCR技术或构建实际应用。如果您对计算机视觉感兴趣，可以尝试用它来处理自己的图像项目！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。