MiniCPM-OCR خدام

MiniCPM-OCR هو سلسلة نماذج OCR نشرتها وفتحات مصدرها شركة面壁智能. MiniCPM-OCR 1.0 (1.3B) نموذج مخصص لتحليل الوثائق، وحصل على SOTA فـ Real5-OmniDocBench وOCRBench v2 بجوج، ومع تسريع فك الترميز DSpark كيوصل الصبيب لـ 1.217 صفحة/الثانية، بسرعة ودقة؛ MiniCPM-OCR Jev (2B) هو أول نموذج فالمجال كيميّز نتائج التحليل، وكيعطي تقييم لجودة المخرجات، وكيقدر يفرز أوتوماتيكياً النتائج اللي ما محتاجاش للمراجعة البشرية، وكيقلل من تكلفة اليد العاملة. MiniCPM-OCR مناسب للاستعمال فمجالات المالية، والضرائب والمحاسبة، والقانون، والطب، وغيرها من المجالات الحساسة للخصوصية، وكيدعم التشغيل المحلي على الجهاز وإعادة الضبط.

تحليل الوثائق وهيكلتها: كيرجع الفواتير، والعقود، والتقارير، والملفات الطبية وغيرها لبنية الصفحة، وكيخرجها بصيغة Markdown أو فبيانات منظمة حسب الحقول.
التعرف على الصفحات المعقدة: كيدعم الجرائد متعددة الأعمدة، والجداول المالية العريضة، والملاحظات المكتوبة باليد، والصيغ المصفوفية المعقدة، والوثائق اللي فيها الختم حاجب جزء منها، وسبعة سيناريوهات شائعة أخرى.
التصحيح التلقائي للصور: كيتعرف أوتوماتيكياً على الوثائق المدوّرة أو المقلوبة وكيصححها، بلا حاجة لترتيبها يدوياً.
دمج المحتوى بين الصفحات: كيقدر يدمج المعلومات الممتدة بين صفحات الوثائق الطويلة ويخرجها مجمعة، بما يناسب الاستدعاء من أنظمة الأعمال.
تقييم جودة التحليل (Jev): كيعطي لأي نتيجة ديال أي نظام OCR تقييماً للجودة من 0 حتى 1، وكيحدد واش النتيجة موثوقة.
توجيه المراجعة البشرية: كيفرز أوتوماتيكياً حسب عتبة التقييم؛ النتائج ذات النقاط العالية كتدخل للنظام بلا مراجعة، والمنخفضة كتتحول للمراجعة البشرية، وكيقلل بزاف من حجم التحقق.
اختيار الأفضل بين نماذج متعددة: من بعد ما كتحلل نماذج متعددة، كيقيّم Jev كل منطقة وكيختار أحسن تركيب، وكيقدر يرفع النقطة الإجمالية حتى 0.25.
استخراج المعلومات الأساسية (KIE): كيستخرج معلومات الحقول الرئيسية من سيناريوهات بحال الوثائق اللي كيغطيها الختم والإيصالات.

تابع微信 وردّ بـ“开源” باش تنضم لمجموعة交流 ديال مشاريع الذكاء الاصطناعي مفتوحة المصدر
قاعدة قوية: تدرّب اعتماداً على النموذج متعدد الوسائط MiniCPM-V 4.6، واستافد من بيانات التدريب القبلي الكبيرة والعالية الجودة للوثائق المتراكمة فالسلسلة MiniCPM-V/o، وهاد الشي خلا النموذج يكتسب قدرة قوية على فهم الصور والوثائق قبل التدريب المتخصص على OCR، وبالتالي يقدر التدريب يركز على دقة التعرف والإخراج المنظم.
بنية ذكية: كيستعمل方案 LLaVA-UHDv4 الفعال لتقسيم الصور بصرياً، وكيمنع تضخم الكلفة الحسابية مع ارتفاع دقة الصورة؛ وكيجمع بين تصميمي Upright التلقائي وUpsize التكيفي.
تركيب البيانات والتعلم المعزز: كيجمع بيانات أولية من عدد كبير ديال السيناريوهات الحقيقية، وكيكبرها على نطاق واسع باستعمال Agentic، مع الحفاظ على الخصائص الواقعية والتنوع؛ ومن بعد كيدير تعلم معزز واسع النطاق اعتماداً على سيناريوهات حقيقية ومعقدة، باش يحسن جودة تحليل العينات النادرة.
تسريع فك الترميز DSpark: وحدة مسودة خفيفة كتقترح عدة tokenات مرشحة دفعة وحدة، والنموذج الرئيسي كيتحقق منها بالتوازي فمرة وحدة، عوض التوليد token بtoken؛ وبهذا كتطلع الكفاءة من البداية للنهاية بـ 55% بلا ما تنقص الجودة.
مسار Jev للتمييز السريع: كيستعمل تصميم System-1، بحساب prefill فتمرير أمامي واحد وبلا فك ترميز ذاتي الانحدار، وبزمن استجابة منخفض بزاف كيخليه مناسب كحاجز لفحص الجودة المتكرر؛ وتدرّب على وسوم الصحة على مستوى الكتل، مبنية على تعليقات بشرية حقيقية، باش يقدر التقييم يتستعمل مباشرة كعتبة فالنظام.

النشر المحلي والاستدلال: حمّل أوزان النموذج باستعمال Hugging Face CLI (openbmb/MiniCPM-OCR-1.0 أو openbmb/MiniCPM-OCR-Jev).
ثبّت إطار الاستدلال (من النهار الأول كيدعم vLLM وSGLang وllama.cpp وOllama؛ اختار واحد حسب الحاجة، وطريقة التشغيل العامة لنماذج سلسلة OpenBMB هي vllm serve openbmb/<اسم النموذج> --port 8000).
اختار نسخة الضغط حسب العتاد؛ كاين دعم لعدة شرائح ولصيغ ضغط مختلفة، وفالطرفية أو فبيئات القدرة الحسابية المحدودة تقدر تختار نسخة GGUF/INT4.
دخل صورة الوثيقة، والنموذج كيدير أوتوماتيكياً التصحيح، وتحليل الصفحة، والتحليل المنظم، وكيخرج النتيجة بصيغة Markdown أو فحقول منظمة.

دقة SOTA مزدوجة: 93.68 نقطة فـ Real5-OmniDocBench و54.7 نقطة فـ OCRBench v2 (متفوق بـ 7.7 نقطة على ثاني أفضل نتيجة)، واحتل المركز الأول فـ 4 من أصل 6 معايير فمقارنة بين 14 نموذجاً رئيسياً.
كفاءة متقدمة: تسريع فك الترميز DSpark كيرفع الكفاءة من البداية للنهاية بـ 55%، وكيحقق صبيب 1.217 صفحة/الثانية، وهو النموذج الوحيد فمخطط الكفاءة مقابل الجودة اللي كيجمع بين “الأسرع والأدق”.
خفيف بزاف: غير بـ 1.3B من المعاملات كيقدر يتفوق على نماذج أكبر، وكيناسب التشغيل على الجهاز وبيئات القدرة الحسابية المحدودة، وكيخدم محلياً لتلبية متطلبات الخصوصية.
نتائج موثوقة وقابلة للتمييز: Jev هو أول نموذج فالمجال لفحص جودة OCR، وAUROC ديالو 93.6 متفوق على نماذج تمييز من فئة 35B، وكيخلي معرفة “أي صفحة محتاجة مراجعة بشرية” ممكنة لأول مرة.
فحص جودة جاهز للاستعمال: Jev ما مرتبطش بنظام OCR معين، وكيحافظ على AUROC مستقر بين 91.9 و93.4 مع أنظمة متعددة بحال GLM-OCR وPaddleOCR-VL.

مستودع GitHub: https://github.com/OpenBMB/MiniCPM-OCR
مستودع نماذج HuggingFace: https://huggingface.co/openbmb/MiniCPM-OCR-1.0
https://huggingface.co/openbmb/MiniCPM-OCR-Jev

معالجة الوثائق المالية: التعرف الأوتوماتيكي على كشوفات البنوك، والشيكات، وإيصالات المعاملات وإدخالها بشكل منظم؛ ومن بعد فحص الجودة بـ Jev، كتدخل الوثائق ذات النقاط العالية مباشرة للنظام، وكيقل الإدخال اليدوي فالشبابيك.
مراجعة العقود القانونية: مكاتب المحاماة وأقسام الشؤون القانونية كيحللو نصوص العقود بكميات كبيرة، والتشغيل المحلي كيضمن بقاء الوثائق داخل المؤسسة، ومع Jev كتقدر حتى 85% من الصفحات تدوز بلا مراجعة، وكيهبط وقت التحقق بشكل كبير.
رقمنة الملفات الطبية: المستشفيات كتحول الملفات الطبية الورقية وتقارير الفحوصات لبيانات إلكترونية منظمة، والنشر الخاص كيلبي متطلبات الامتثال لحماية خصوصية المرضى.
تدبير أرشيف الإدارات: التعرف على المراسلات الرسمية، والوثائق، والملفات المختومة واستخراج المعلومات الأساسية (KIE)، مع استخراج الحقول المهمة المخفية تحت الأختام أو المحجوبة بها.