关于 Deepseek OCR
下一代文档智能，具备上下文光学压缩和多语言支持。
平台
浏览 241 , 收录与 2025-11-12 07:21:36
产品介绍
什么是Deepseek OCR？
DeepSeek OCR 是一个基于两阶段变换器的文档人工智能系统，利用上下文光学压缩技术提供一流的文档智能。它将高分辨率文档压缩为精简的视觉标记，然后借助 30 亿参数的专家混合模型进行解码，实现对 100 多种语言几乎无损的文本、布局和图表理解。支持在复杂布局下进行 GPU 高效处理，并在 3000 万个真实 PDF 页面和合成数据上训练，能够保留布局结构、表格、化学（SMILES 字符串）以及几何任务。
如何使用 Deepseek OCR？
DeepSeek OCR 可以通过三种主要方式使用：1. 通过克隆 GitHub 仓库、本地下载 6.7 GB 的检查点并配置 PyTorch 在本地使用 GPU 部署。2. 通过其兼容 OpenAI 的 API 接口调用 DeepSeek OCR，提交图像并接收结构化文本。3. 将 DeepSeek OCR 集成到现有工作流中，将 OCR 输出转换为 JSON，连接 SMILES 字符串到化学信息学管道，或者自动为图表生成标题。
Deepseek OCR 的核心功能
上下文光学压缩引擎
多语言支持（100+种语言）
结构化输出（HTML、Markdown、SMILES、JSON）
GPU 高效处理能力（每天 20 万页在 A100 上）
高精度（97% 的精确匹配率）
MIT 许可的权重，适合本地部署
Deepseek OCR 的使用案例
压缩扫描的书籍和报告以进行后续的搜索、摘要和知识图谱。
从技术图纸和公式中提取几何推理、工程注释和化学 SMILES。
在 100 多种语言中建立全球语料库以创建多语言数据集。
嵌入发票、合同或表单处理平台，以获得布局感知的 JSON 和 HTML 输出。
Deepseek OCR 的价格
API 输入令牌（缓存命中）
$0.028
每 1M 输入令牌在缓存命中时的费用
API 输入令牌（缓存未命中）
$0.28
每 1M 输入令牌在缓存未命中时的费用
API 输出令牌
$0.42
每 1M 输出令牌的费用
相关产品
LlamaIndex
一个用于构建与企业数据连接的知识助手框架。
ParseMania
由AI驱动的文档处理和数据提取平台。
PygmalionAI
开放源代码的AI项目，用于聊天、角色扮演和角色创建。
LedgerBox
从PDF到Excel和CSV的人工智能驱动的银行对账单转换器。
Airparser
LLM 驱动的数据提取工具，将文档转换为结构化数据以便实时导出。
Bannerbear
从模板自动生成图像和视频的API。
Pruvly
Pruvly 提供基于人工智能的文件和人脸生物识别验证，用于安全和合规的身份检查。
ChatPDF.so
一款 AI 工具，用于与 PDF 文档聊天、总结和生成内容。
Open Voice OS
开源语音人工智能平台，专注于隐私，提供自定义语音控制界面。
Whisper
由OpenAI开发的通用语音识别模型。
Image Translator
将图像中的文本翻译为30多种语言，使用OCR和机器翻译。
BuildPrompt
基于AI的文档分析和数据洞见工具。
PDF.co
PDF.co 是一个用于PDF文档处理和自动化的Web API，具有AI驱动的功能。
Wan 2 AI
AI视频和图像生成平台，具备文本转视频和图像转视频的功能。
Solvr
Solvr是一个免费的Chrome扩展，能够在浏览器内提供即时的AI驱动的答案。