DeepSeek-OCR 实时光学字符识别服务 DeepSeek-OCR Client

DeepSeek-OCR Client 是基于 Electron 的为 DeepSeek-OCR 提供实时光学字符识别（OCR）服务，支持图像拖放上传、即时OCR处理、通过点击区域复制识别文本，最后能将结果以包含 Markdown 图像的ZIP文件形式导出。DeepSeek-OCR Client利用CUDA实现GPU加速以优化性能，主要面向 Windows 10/11 用户，要求安装 Node.js、Python 和支持CUDA的NVIDIA GPU。

DeepSeek-OCR Client围绕用户实际使用场景设计，提供了多项实用功能。

多种图像上传方式：支持拖拽上传图像，也能点击上传区域选择图像，无需复杂操作，轻松添加待处理文件。

实时OCR处理：上传图像后，点击“Run OCR”即可启动识别流程，过程实时可见，能快速获取图像中的文本内容。

支持markdown导出：识别完成后，可点击文本区域复制内容，能将结果导出为包含markdown图像的ZIP压缩包，支持查看文本对应的图像框（View Boxes Image）和原始令牌（View Raw Tokens）。

支持GPU加速：借助CUDA技术，利用NVIDIA GPU提升OCR处理速度，减少等待时间，尤其适合处理大量或高分辨率图像。

参数设置：可选择文档类型（TYPE），设置基础参数（BASE）和尺寸（SIZE），还能对图像进行裁剪（CROP）操作，能适配不同格式和需求的图像。

DeepSeek-OCR Client 运行环境要求

操作系统：优先支持Windows 10/11，其他操作系统（如Linux、macOS）处于实验阶段。

软件依赖：需安装Node.js 18及以上版本、Python 3.12及以上版本，可通过官方提供的下载链接获取对应安装包。

硬件要求：需要配备支持CUDA的NVIDIA GPU，以确保GPU加速功能正常启用，提升处理效率。

Windows系统安装和使用

1、解压工具对应的ZIP压缩包 https://github.com/ihatecsv/deepseek-ocr-client/archive/refs/heads/main.zip，得到完整的文件目录。

2、找到并运行“start-client.bat”文件。

3、首次运行时，工具会自动安装所需依赖，这个过程可能需要一定时间，请耐心等待；后续运行时，无需再次安装依赖，启动速度会更快。

4、依赖安装完成后，在应用内点击“Load Model”按钮加载模型。若为首次加载，模型需要下载或初始化，耗时可能较长。

5、加载完模型后，通过拖拽或点击上传区域添加图像，然后点击“Run OCR”按钮开始处理。

若模型能正常加载，但处理图像时出现问题，可关闭应用后重新打开，使用“base”和“size”的默认分辨率尝试。