基于DeepSeek-OCR模型的文档解析工具 DeepSeek-OCR Studio

DeepSeek-OCR Studio 是基于DeepSeek-OCR模型的文档解析工具，能提供高精度的智能OCR识别能力，能够高效处理PDF文档和图像。DeepSeek-OCR Studio支持多格式文档解析，可智能识别文档布局结构，支持中英文等多语言文本识别，具备专业的表格识别、图表数据提取能力，能对CAD图、流程图等专业领域图纸进行语义识别，支持数据分析可视化图表的逆向解析，最终将PDF内容转换为结构化的Markdown格式，实现文档内容的深度理解与结构化输出。

作为 OCR 2.0 时代的典型代表模型，DeepSeek-OCR 不仅继承传统 OCR 的文本识别能力，还在“文档理解”层面完成全方位升级，它融合视觉语言模型（VLM）的多模态感知能力，能同时“看懂文字”“理解布局”“分析图表”，实现从“看见文字”到“理解内容”的跨越。

多格式文档解析：支持上传并解析 PDF、图片等多种格式的文档。

智能 OCR 识别：基于 DeepSeek-OCR 模型打造，具备高精度文本识别能力，能准确提取文档中的文字信息。

版式分析：可智能识别文档的版式结构，精准提取内容布局。

国际化支持：支持中文、英文等多种语言的文本识别。

表格与图表解析：拥有专业的表格识别和图表数据提取功能，能快速获取表格和图表中的关键数据。

专业领域图纸识别：支持多个领域专业图纸的语义识别，如 CAD 图纸、流程图、装饰图纸等。

数据可视化：支持对数据分析可视化图表进行反向解析，助力用户深入挖掘图表背后的数据信息。

Markdown 转换：能将 PDF 内容转换为结构化的 Markdown 格式，方便后续编辑和使用。

PDF 文档解析：支持解析包含图片、表格等复杂内容的 PDF 文档，准确提取其中的文字、表格、图片等信息。

专业领域图纸识别：以建筑平面图为例，能识别图纸的整体形状（如矩形）、尺寸（以毫米为单位，标注出不同区域的长度，如 3400mm、2900mm 等）以及房间和空间（如卧室、客厅、厨房、卫生间等，通过中文标签标注在相应区域）。

数据可视化图表反向解析：以 RLHF 相关论文、RLAAF/AI 反馈相关论文、可验证/智能体 RL 相关论文的数量统计图表为例，能解析出不同年份各类论文的数量。

DeepSeek-OCR Studio 安装使用

系统要求

操作系统：需在 Linux 系统上运行。

GPU 要求：GPU 显存需≥7GB，处理大幅图片或多页 PDF 时，推荐 16-24GB 显存。

兼容性说明：目前 RTX 50 系列 GPU 不兼容，建议使用其他型号 GPU。

Python 版本：支持 3.10-3.12 版本，推荐使用 3.10 或 3.11 版本。

CUDA 版本：需为 11.8 或 12.1/12.2，且必须与 GPU 驱动匹配。

PyTorch：需安装与 CUDA 匹配的预编译版本。

快速启动

方法一：一键脚本启动（推荐）

执行以下脚本，完成一键启动：

# 安装模型权重和环境依赖
bash install.sh
# 启动服务
bash start.sh

方法二：手动安装与运行

步骤一：下载模型权重

首先需要下载 DeepSeek-OCR 模型权重，可从 Hugging Face 或 ModelScope 获取。以下以 ModelScope 为例：

pip install modelscope
mkdir ./deepseek-ocr
modelscope download --model deepseek-ai/DeepSeek-OCR --local_dir ./deepseek-ocr

步骤二：配置运行环境

下载官方项目包：

git clone https://github.com/deepseek-ai/DeepSeek-OCR.git

创建虚拟环境，用于安装模型运行依赖：

conda create -n deepseek-ocr python=3.12.9 -y
conda activate deepseek-ocr

安装 Jupyter 及对应内核：

conda install jupyterlab
conda install ipykernel
python -m ipykernel install --user --name dsocr --display-name "Python (dsocr)"

安装 PyTorch 相关组件：

pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu118

安装 DeepSeek-OCR 官方推荐的 vLLM 版本（v0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl）：

pip install ./packages/vllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl

安装项目基础依赖：

cd ./DeepSeek-OCR/
pip install -r requirements.txt

安装过程中若出现依赖冲突，可忽略，不会影响实际运行。

安装 flash-attn 加速库：

pip install flash-attn==2.7.3 --no-build-isolation

在项目根目录创建 .env 文件，输入模型运行地址，示例如下：

MODEL_PATH=/root/autodl-tmp/deepseek-ocr

步骤三：启动后端服务

uvicorn main:app --host 0.0.0.0 --port 8002 --reload

步骤四：启动前端服务 安装前端依赖：

npm install

启动前端：

npm run dev

启动成功后，在浏览器中访问前端地址，就能使用该工具。