Xiaomi OCR 0 Demo

Xiaomi OCR 0 Demo

在基于 Docker 的文档工作台里，用 Xiaomi-OCR-0 模型解析图片和 PDF，提取字段，并回答关于文档的问题，需要 GPU。

由 loongwayX 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Xiaomi OCR 0 Demo 是一个文档工作台，能解析图片和 PDF，提取关键信息，并回答关于文档的问题。它用 vLLM 在 Space 的 GPU 上运行 Xiaomi-OCR-0 模型，旁边有两个独立的 PP-DocLayoutV3 版面工作进程。它从 Docker 镜像运行，使用 7860 端口。

适合谁：处理扫描件或拍照文档，想从中得到文字、字段和答案的人，以及研究文档 AI 技术栈的工程师。

行业 | 谁在用 | 怎么用 | 例子
金融 | 后台团队 | 从发票和表单里取出字段 | 上传一个 PDF，读提取出的字段
法律 | 律师助理 | 读扫描页的文字 | 解析一页扫描的合同
运营 | 档案团队 | 把纸质材料变成可搜索的文字 | 处理一张页面照片
软件 | 工程师 | 研究 vLLM 加版面工作进程的配置 | 阅读 layout_server.py 和 start.py

文档属于机密的人应该跳过托管的 Space，因为上传的内容会按下面所述被归档和转发。

用在哪里：

• 浏览器，访问 Hugging Face 上的这个 Space
• 装有 Docker 的 Windows、macOS 或 Linux，用于在自己的电脑上运行副本
• 容器运行之后，你电脑上的 7860 端口

用例 | 谁用 | 得到什么
解析图片或 PDF | 文档团队 | 页面解析后的内容
提取关键信息 | 金融和运营 | 从文档里取出的字段
就文档提问 | 任何人 | 视觉问答给出的答案

如何设置：

• Windows、macOS 或 Linux 上的 Docker
• Python 和 pip，只用来获取文件
• GPU，因为 README 推荐 24 GB 显存、12 个 vCPU 和 46 GB 内存的 A10G large
• 第一次启动要下载模型权重

1. 安装 Hugging Face 的 hub 软件包。
2. 用 hf 命令下载这个 Space。
3. 进入新建的文件夹。
4. 构建 Docker 镜像。
5. 运行容器并发布 7860 端口。

pip install -U huggingface_hub
hf download loongwayX/Xiaomi-OCR-0-demo --repo-type space --local-dir Xiaomi-OCR-0-demo
cd Xiaomi-OCR-0-demo
docker build -t xiaomi-ocr-0-demo .
docker run -it -p 7860:7860 xiaomi-ocr-0-demo

如何使用：在线使用时，访问 Hugging Face 上的这个 Space，把图片或 PDF 添加到工作台。使用本地容器时，等模型和两个版面工作进程都报告就绪之后，在浏览器里打开 7860 端口。

变量 | 默认值
XIAOMI_OCR_MODEL | SeerRay-Lab/Xiaomi-OCR-0
MAX_MODEL_LEN | 16384
MAX_NUM_SEQS | 4
GPU_MEMORY_UTILIZATION | 0.65
REGION_CONCURRENCY | 4
LAYOUT_CPU_THREADS | 每个版面工作进程 2

示例：你把一个 PDF 添加到工作台，请它给出关键字段。应用用版面工作进程解析页面，用模型读取它们，并返回提取出的信息。

新手与专家：如果你刚接触，先用一张印刷页面的图片，要求做一次简单解析。清晰、摆正的页面最容易得到第一个结果。

如果你熟悉这个领域，这套技术栈运行 vLLM 0.19.1、CUDA 12 的 PyTorch 2.10 和 Transformers 5.8.1，而 PaddlePaddle GPU 3.3.1 和 PaddleX 3.7.2 在一个单独的环境里。两个版面工作进程和 vLLM 共用 GPU 0，空闲时接收请求。它以 BF16 精度启动，上下文约一万六千个词元，一次四个序列，以及四个区域工作进程。

你添加图片或 PDF
版面工作进程找出区域
Xiaomi-OCR-0 通过 vLLM 读取它们
你得到文字、字段或答案

注意事项：

• Startup: 只有在模型和两个版面工作进程都就绪之后，公开端口才会打开
• Weights: 权重在第一次启动时下载，重建之后缓存可能需要重新获取
• License: apache-2
• Cost to run: 一块 A10G large 这样的 GPU，没有提到 API 密钥或付费服务
• Data it reaches: 在托管的 Space 上，上传内容会在本地归档，一个转发程序把输入和 OCR 结果复制到 Xiaomi FDS，没有文档数据发到 Hugging Face 数据集
• Not for: 托管 Space 上的机密文档，因为有上传归档

Hugging Face 上的数据（2026年11月13日）

• 点赞：18
• 构建方式：docker
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/loongwayX/Xiaomi-OCR-0-demo
• 文件：https://huggingface.co/spaces/loongwayX/Xiaomi-OCR-0-demo/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。