MiniCPM-OCR 1.0

MiniCPM-OCR 1.0

OpenBMB 的 1.3B 模型，能读取英语和中文文档，解析文字、表格、公式、图表和印章，并提取关键字段。

由 openbmb 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：MiniCPM-OCR 1.0 是 OpenBMB 的 1.3B 文档阅读模型。在 MiniCPM-V 和 MiniCPM-o 各个模型里，它是第一个只为 OCR 打造的。它能处理文字、表格、公式、图表、印章和关键信息提取，支持英语和中文。

除了 PDF，它还能处理日常条件下拍到的页面：扫描件、弯曲或倾斜的页面、照片和重新拍摄的文档。它输入图片，输出文字。

适合谁：它适合把文档变成结构化文字、又在意速度的开发者。不能把文件发给外部服务的团队可以在自己的机器上托管它。

行业 | 谁在用 | 怎么用 | 例子
金融和会计 | 运营团队 | 把发票和对账单读成字段 | 从拍下来的发票里取出总额
法律 | 文档团队 | 把扫描的合同变成可搜索的文字 | 解析一份扫描的协议
教育和研究 | 研究者 | 转换带公式和表格的论文 | 从 PDF 里提取一张表
软件 | 开发者 | 给应用或智能体加上文档解析 | 一个能读取证件页的上传表单

如果你的文档是英语和中文以外的语言，可以跳过它，因为记录只列出了这两种。

用在哪里：

• vLLM、SGLang、llama.cpp 和 Ollama，用于自托管，另有官方 Docker 镜像
• 模型自带的 pip SDK 和它的 API
• 一个可以免费试用的在线体验页
• 在设备上运行的 iOS 演示应用，目前文档解析只支持 iOS
• Windows、macOS 或 Linux，用于下载文件

用例 | 谁用 | 得到什么
文档解析 | 开发者 | 页面图片或 PDF 里的文字、表格和公式
关键信息提取 | 自动化团队 | 提取出来供下游系统使用的字段
图表和印章识别 | 分析师 | 图表和印章里的文字与数据

如何设置：先准备好下面这些东西。

• Python 和 pip，用于下载命令
• 一个服务工具，比如 vLLM、SGLang、llama.cpp 或 Ollama，或者 pip SDK
• 记录显示 BF16 权重约需 2.6 GB 磁盘空间

1. 用 pip 安装 Hugging Face hub 包。
2. 用 hf 命令下载仓库。
3. 用列出的某个工具来提供服务，或者使用 SDK。模型卡和项目的部署指南里有具体步骤。

pip install -U huggingface_hub
hf download openbmb/MiniCPM-OCR-1.0

如何使用：你给模型发一张页面图片，让它解析文档或提取字段。你可以通过自托管的服务器、SDK 或托管 API 来做。模型卡还提供了一个智能体技能文件，让智能体用一条提示词就能安装模型并解析第一份文档。

示例：你拍下一张打印的发票，发给自托管的模型，请它提取关键字段。模型返回文字和关键信息，比如卖家和总额，可以直接交给你的系统。

新手与专家：最快的第一次尝试是在线体验页，不需要任何设置。等你满意输出之后，再换成本地服务器，让文档留在你这边。

模型卡报告在 Real5-OmniDocBench 上得分 93.68，在 OCRBench v2 上得分 54.7。它称用 DSpark 解码加速后，端到端效率提升 55%，吞吐量约为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍。在它比较的开源模型里，它能达到每秒 1.2 页。

Title: 模型卡中 MiniCPM-OCR 1.0 相对其他模型的吞吐量
相对 PaddleOCR-VL-1.6: 1.49 times
相对 MinerU2.5 Pro: 3.62 times

发送页面图片或 PDF
模型读取文字和版面
它解析表格、公式和图表
你得到文字和关键字段

注意事项：

• License: Apache 2.0
• Cost to run: 模型卡提供免费 API 供试用，自托管需要你自己的硬件
• Data it reaches: 自托管让文档留在你这边，托管 API 会把文档发送到在线服务
• Not for: 英语和中文以外的语言，因为记录只列出了这两种

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：minicpm-ocr
• 参数量：1.3B
• Weights: about 2.6 GB in BF16; about 650 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：128,483
• 点赞：457
• 许可证：apache-2.0
• 语言：en, zh
• 基于：openbmb/MiniCPM-V-4.6
• Quantized versions: 9
• Fine-tunes: 9
• 标签：minicpm-ocr, safetensors, minicpm_ocr, document-parsing, multimodal, vision-language, table-recognition, formula-recognition, image-text-to-text, conversational

链接

• 模型：https://huggingface.co/openbmb/MiniCPM-OCR-1.0
• 文件：https://huggingface.co/openbmb/MiniCPM-OCR-1.0/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download openbmb/MiniCPM-OCR-1.0

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。