登录 注册
图像、视频与音频
24,146
Stars
2,218
Forks
110
Watchers
287
Open Issues
MIT
许可证
Python
语言
2025-10-17
创建时间
2026-01-27
最近更新

项目能做什么

针对上下文光学压缩的 OCR 项目。
来源:AI 基于仓库事实生成 · 内容以仓库实际 README 为准

使用说明 查看原始 README 原仓库文档

中文使用说明暂未生成。下面保留原仓库 README 摘录,命令与配置均以原文为准。
原始 README 摘录(英文原文,节选前 3000 字符)
<!-- markdownlint-disable first-line-h1 -->
<!-- markdownlint-disable html -->
<!-- markdownlint-disable no-duplicate-header -->


<div align="center">
  <img src="assets/logo.svg" width="60%" alt="DeepSeek AI" />
</div>


<hr>
<div align="center">
  <a href="https://www.deepseek.com/" target="_blank">
    <img alt="Homepage" src="assets/badge.svg" />
  </a>
  <a href="https://huggingface.co/deepseek-ai/DeepSeek-OCR" target="_blank">
    <img alt="Hugging Face" src="https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-DeepSeek%20AI-ffc107?color=ffc107&logoColor=white" />
  </a>

</div>

<div align="center">

  <a href="https://discord.gg/Tc7c45Zzu5" target="_blank">
    <img alt="Discord" src="https://img.shields.io/badge/Discord-DeepSeek%20AI-7289da?logo=discord&logoColor=white&color=7289da" />
  </a>
  <a href="https://twitter.com/deepseek_ai" target="_blank">
    <img alt="Twitter Follow" src="https://img.shields.io/badge/Twitter-deepseek_ai-white?logo=x&logoColor=white" />
  </a>

</div>



<p align="center">
  <a href="https://huggingface.co/deepseek-ai/DeepSeek-OCR"><b>📥 Model Download</b></a> |
  <a href="https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf"><b>📄 Paper Link</b></a> |
  <a href="https://arxiv.org/abs/2510.18234"><b>📄 Arxiv Paper Link</b></a> |
</p>

<h2>
<p align="center">
  <a href="">DeepSeek-OCR: Contexts Optical Compression</a>
</p>
</h2>

<p align="center">
<img src="assets/fig1.png" style="width: 1000px" align=center>
</p>
<p align="center">
<a href="">Explore the boundaries of visual-text compression.</a>       
</p>

## Release
- [2026/01/27]🚀🚀🚀🚀🚀🚀 We present [DeepSeek-OCR2](https://github.com/deepseek-ai/DeepSeek-OCR-2)
- [2025/10/23]🚀🚀🚀 DeepSeek-OCR is now officially supported in upstream [vLLM](https://docs.vllm.ai/projects/recipes/en/latest/DeepSeek/DeepSeek-OCR.html#installing-vllm). Thanks to the [vLLM](https://github.com/vllm-project/vllm) team for their help.
- [2025/10/20]🚀🚀🚀 We release DeepSeek-OCR, a model to investigate the role of vision encoders from an LLM-centric viewpoint.

## Contents
- [Install](#install)
- [vLLM Inference](#vllm-inference)
- [Transformers Inference](#transformers-inference)
  




## Install
>Our environment is cuda11.8+torch2.6.0.
1. Clone this repository and navigate to the DeepSeek-OCR folder
```bash
git clone https://github.com/deepseek-ai/DeepSeek-OCR.git
```
2. Conda
```Shell
conda create -n deepseek-ocr python=3.12.9 -y
conda activate deepseek-ocr
```
3. Packages

- download the vllm-0.8.5 [whl](https://github.com/vllm-project/vllm/releases/tag/v0.8.5) 
```Shell
pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu118
pip install vllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl
pip install -r requirements.txt
pip install flash-attn==2.7.3 --no-build-isolation
```
**Note:** if you want vLLM and transformers codes to run in the same environment, you don't need to worry about this installat
阅读完整原文

项目深度分析 AI 生成

高并发文档解析与RAG增强API服务

产品构想基于vLLM部署DeepSeek-OCR,封装开箱即用的高并发文档/PDF转Markdown/结构化文本API,主打高性价比与快速吞吐。
核心功能PDF并发解析(单卡A100达2500 tokens/s)、Markdown格式化输出、表格与多栏排版识别、RESTful API与SDK支持。
目标用户中小AI企业开发者、RAG知识库构建团队。
难度/周期中等 · 2-4周 · 成本:GPU云服务器租用费用(如单卡A100/40G,月均约500-1500美元)与带宽成本。
收费模式按解析页数或Token量计费(Pay-as-you-go)或提供月度订阅套餐包。
竞争风险显卡基础设施成本高昂;上游已有DeepSeek-OCR2等快速迭代导致模型被替代的风险;大厂通用OCR价格战激烈。
依据 数据支持的判断

垂直行业PDF/合同提取私有化部署解决方案

产品构想为金融、法律或医疗等对数据合规敏感的行业,提供本地化部署、轻量微调与文档知识库预处理管道交付。
核心功能内网离线部署包、敏感数据脱敏、复杂财务报表/合同自动化结构化提取、对接内部知识库检索增强。
目标用户金融机构、律所、政企内部数字化部门。
难度/周期较高 · 1-3个月 · 成本:驻场交付人力成本、适配客户私有硬件环境的调优成本。
收费模式按项目交付费 + 年度维护/升级支持费用。
竞争风险B端销售周期长;客户硬件异构适配成本高;独立开发者难以承担长流程交付与售后。
依据 AI推测

桌面端/内网轻量化OCR批处理工具

产品构想将推理引擎封装为易用的图形界面(GUI)或自动化工作流工具,支持用户一键连接自建vLLM服务或按需本地推理。
核心功能拖拽式PDF/批量图片解析、实时双栏Markdown预览、一键导出到Obsidian/Notion、自定义提示词微调输出格式。
目标用户科研学者、数据标注员、个人知识管理重度用户。
难度/周期较低 · 2-3周 · 成本:前端与客户端开发时间成本、基础网站托管费用。
收费模式买断制商业软件授权(提供BYOK/自带算力模式)或高级功能增值收费。
竞争风险用户本地若无高性能GPU则无法直接本地运行,极度依赖远程算力配置导致受众狭窄。
依据 已验证事实
AI 基于仓库公开数据分析生成,含推测成分,不构成收益承诺。
报告会保存到 个人中心

竞品与相似项目 GitHub Search 真实检索

项目中文简介Stars语言
deepseek-ai/DeepSeek-OCR-2 中文介绍暂未生成
Visual Causal Flow
3,546 Python
TimmyOVO/deepseek-ocr.rs 中文介绍暂未生成
Rust multi‑backend OCR/VLM engine (DeepSeek‑OCR-1/2, PaddleO
2,188 Rust
rdumasia303/deepseek_ocr_app 中文介绍暂未生成
A quick vibe coded app for deepseek OCR
1,897 JavaScript
以上为通过 GitHub 官方 Search API 检索的相似项目,功能差异与优劣势需进一步人工确认,配置 AI 后可生成对比分析。

项目优势与风险

技术成熟度创建于 2025-10-17,最近推送 2026-01-27
社区活跃Star 24,146 / Fork 2,218 / Issue 287(数据支持,可自行核实)
许可证MIT
主要风险上游项目方向可能变化;同赛道竞争者较多(见竞品表);热度与需求不完全等价

安装与使用

此项目未提供 Docker 镜像,安装步骤以原仓库 README 为准(涉及依赖安装与环境配置,对新手门槛较高)。