DeepSeek-OCR
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)。