一款开源视觉文本压缩模型，旨在将文档转换为高度压缩的视觉token，压缩比可达7-20倍，同时保持高达97%的准确率。

不仅突破了传统OCR的局限，还降低了API成本，适用于多种文档类型和语言，支持快速预览和详细提取等多种应用场景。

DeepSeek OCR 支持约100种语言，包括中英日韩等多语言混合文本。可以处理的内容类型包括：纯文本、数学公式(LaTeX)、表格、图表、化学方程式、几何图形等。特别适合处理学术论文、技术文档、多语言商务合同等复杂文档。

核心功能：

视觉Token压缩
独创的视觉压缩技术，将文档转换为高密度视觉token，压缩比达7-20倍。

多模态识别
支持文本、数学公式(LaTeX)、表格、图表、化学方程式等多种内容类型。

多语言支持
支持约100种语言，包括中英日韩混合文本，无需手动切换语言。

灵活分辨率
提供4种分辨率模式(64-400 tokens)，从快速预览到精细提取自由切换。

开源免费
完全开源，可商用，提供 GitHub 仓库和 Hugging Face 模型下载。

高性能处理
单A100 GPU每天处理20万页，20服务器集群达3300万页/天的超强性能。

在线网址：https://deepseekocr.site/zh

声明：本站内容均收集于互联网，如不慎侵犯到您的版权利益，请附带相关证明文件来信本站将立即予以下架删除。