Repository navigation
MiniCPM-OCR SDK 首次发布到 PyPI，提供从 PDF、图片到 Markdown 的文档解析流程，支持正文、表格、公式、图表和印章识别。
- 文档解析：结合版面检测与视觉语言模型识别，按阅读顺序组织结果，支持多页 PDF 合并导出。表格以 HTML 表示，公式以 LaTeX 表示。
- 简化命令行：提供 minicpmvocr parse 命令，内置快速开始配置，支持通过命令行参数或 YAML 调整解析行为。
- 自动准备版面模型：默认检查当前目录下的 models/PP-DocLayoutV3_infer/，模型缺失或不完整时自动下载。
- 并发处理：快速开始配置默认使用 32 个识别请求并发，支持版面检测与识别重叠执行，以及多个识别服务实例。
- 公式后处理：支持行内公式与独立公式的 LaTeX 修复，处理部分括号不匹配、环境缺失等问题。
- 灵活集成：提供 Python API，支持 vLLM、OpenAI 兼容接口、llama.cpp 和 Ollama 后端，并按需加载可选依赖。