MiniCPM-OCR - 面壁智能开源的文档识别模型系列

MiniCPM-OCR是什么

MiniCPM-OCR是面壁智能开源的OCR模型系列，1.3B的MiniCPM-OCR 1.0解析模型能把票据、合同、病历等扫描件还原为结构化Markdown，在OCRBench v2等基准上取得SOTA，经DSpark加速每秒约处理1.2页；配套2B的MiniCPM-OCR Jev质检模型为结果打出质量分，自动分流人工核验、支持多模型择优。MiniCPM-OCR全系列可端侧本地运行，适合金融、法务、医疗等隐私场景。

MiniCPM-OCR的功能特色

• 版面还原与结构化输出：将扫描件、票据、报表、合同、病历等文档识别后按原始版面还原，可导出 Markdown 或结构化字段数据，方便直接对接业务系统。
• 复杂版式与恶劣图像处理：覆盖多栏排版、财务宽表、手写内容、矩阵公式、印章遮挡等七类难处理场景；对旋转、倒置的图像自动纠正，无需人工预处理。
• 长文档跨页合并：多页文档的信息可跨页拼接后统一输出，避免一页一结果造成的上下文断裂。
• 关键信息抽取（KIE）：面向小票、盖章文件等遮挡场景，直接定位并提取目标字段。
• 解析质量判别（Jev 独有）：配套模型对任意 OCR 引擎的输出给出 0–1 置信度评分，判断哪些结果可信、哪些需要人工复核。
• 质检分流与降本：按评分阈值自动分层：高分结果免检入库，低分转人工，官方称法律文书场景下最高可减少 85% 的核验工作量。

MiniCPM-OCR的核心优势

• 최고의 정밀도：Real5-OmniDocBench 93.68 分、OCRBench v2 54.7 分双双登顶，横评中 6 项基准拿下 4 项第一。
• 效率最高：DSpark 解码加速带来 55% 的端到端提速，吞吐约 1.217 页/秒，是"最快+最准"唯一兼顾的模型。
• 초경량：仅 1.3B 参数即可超越更大规模的对手，端侧设备也能流畅运行，兼顾隐私与成本。
• 结果可判别：配套的 Jev 模型为行业首创，能给出 0–1 质量评分，让"哪页需要人工复核"首次变得可预判。
• 质检通用性强：Jev 不绑定自家解析器，跨 PaddleOCR-VL、GLM-OCR 等系统 AUROC 稳定在 91.9~93.4。
• 择优组合：多个 OCR 引擎的结果可由 Jev 逐区评分选优拼接，整体得分最高可提升 0.25。

MiniCPM-OCR官网是什么

• GitHub 리포지토리：https://github.com/OpenBMB/MiniCPM-OCR
• 허깅페이스 모델 라이브러리::
  • https://huggingface.co/openbmb/MiniCPM-OCR-1.0
  • https://huggingface.co/openbmb/MiniCPM-OCR-Jev

MiniCPM-OCR的使用步骤

• 모델 가중치 다운로드：通过 Hugging Face CLI 拉取 openbmb/MiniCPM-OCR-1.0 或 openbmb/MiniCPM-OCR-Jev 的权重文件。
• 安装推理框架：任选 vLLM、SGLang、llama.cpp 或 Ollama 之一，用 OpenBMB 通用启动命令 vllm serve openbmb/<模型名> --port 8000 拉起服务。
• 按硬件选量化版本：端侧或低算力环境选用 GGUF/INT4 等量化格式，多芯片平台均有对应适配。
• 输入文档图像：送入扫描件或照片后，模型自动完成纠偏、版面分析与结构化解析，直接输出 Markdown 或字段化结果。

MiniCPM-OCR的适用人群

• 金融、财税从业者：需要批量处理银行流水、支票、回单、发票的自动识别与结构化录入。
• 法务与律所人员：批量解析合同文书，且要求文书不出内网，配合 Jev 质检可大幅减少人工核对时间。
• 医疗信息化团队：将纸质病历、检验报告数字化为结构化电子数据，满足患者隐私合规要求。
• 政务与档案管理人员：处理公文、证件、盖章文件，并从印章遮挡区域抽取关键字段。
• 中小企业与独立开发者：开源免费、1.3B 参数可端侧运行，无需采购商用 OCR API 或高配服务器。

MiniCPM-OCR的常见问题

Q1：MiniCPM-OCR 收费吗？

A1:免费开源，模型权重在 Hugging Face 和 GitHub 上开放下载，支持本地部署与二次微调，商用需遵循相应开源协议。

Q2：需要什么配置的硬件才能跑？

A2：解析模型仅 1.3B 参数，提供 GGUF/INT4 等量化版本，消费级显卡甚至部分端侧设备即可运行；企业级高吞吐场景可用 vLLM/SGLang 在多卡服务器部署。

Q3：它能替代人工核验吗？

A3：不能完全替代，但配套 Jev 模型可输出解析质量分，高分结果可免检入库、低分转人工，官方称法律文书场景下最高可减少 85% 的核验工作量；具体免检阈值需在自有样本上校准。

Q4：只用它家的解析模型才能用 Jev 质检吗？

A4：不是，Jev 不绑定特定 OCR 系统，可接入 GLM-OCR、PaddleOCR-VL 等主流解析引擎做质量判别与择优组合。

Q5：支持哪些文档类型？

A5：覆盖票据、合同、报表、病历、多栏报纸、财务宽表、手写笔记、复杂矩阵公式、盖章遮挡文档等，并支持跨页内容合并输出。