DeepSeek-OCR-Demo

מה זה

מעלים קובץ תמונה או מסמך PDF ומקבלים פענוח מובנה של התוכן. הממשק מאפשר לבחור משימות כמו המרה ישירה לטקסט מעוצב במרקדאון, חיפוש ביטוי ספציפי בתמונה, או הזנת הוראות חופשיות עם תיוגים מיוחדים שמסמנים מיקומים. התוצאות מוצגות בכמה לשוניות, כולל טקסט נקי, תצוגה מקדימה מעוצבת, תמונה עם תיבות סימון מסביב למילים, וגלריה של קטעים שנגזרו מתוך הקובץ המקורי.

מאחורי הקלעים רץ המודל deepseek-ai/DeepSeek-OCR-2 בפורמט bfloat16 עם האצת flash_attention_2 דרך ספריית transformers. המערכת כוללת עיבוד קבצים באמצעות ספריית fitz לקריאת מסמכים וספריית PIL לציור התיבות על התמונות. בדוגמאות המובנות אפשר לראות המרה של דף למרקדאון ואיתור המילה Robot על גבי תמונה.

מתאים ל

• המרת עמודי PDF למרקדאון

  מעלים עמוד ממסמך ומקבלים טקסט בפורמט מרקדאון ששומר על המבנה לצורך העתקה מהירה.

• איתור מילים ויזואלי

  מזינים מילה ומקבלים את התמונה עם תיבות סימון וחיתוך של האזור המדויק שבו היא מופיעה.

• בדיקת יכולות המודל

  הרצת פרומפטים מותאמים אישית כדי לבחון איך DeepSeek-OCR-2 מתמודד עם תמונות מורכבות.

איפה זה נופל

העיבוד מוגבל לעמוד בודד בכל ריצה ולא רץ על מסמך שלם בבת אחת, כך שאם יש לכם חוברת תצטרכו לעבור עמוד אחרי עמוד ידנית. בנוסף, חומרת zero-a10g מוקצית לפי דרישה ועשויה להתנתק בעומס, מה שיוביל להמתנה בתור. אין שום תיעוד לגבי תמיכה בשפות ספציפיות כמו עברית, ולכן צריך לבדוק קבצים מקומיים לפני שמסתמכים על המבנה והיישור.

איך משתמשים

טוענים תמונה ישירות או קובץ PDF, ואם זה מסמך מרובה עמודים בוחרים את מספר העמוד הרצוי. בוחרים את סוג המשימה מהרשימה, מזינים מילת חיפוש אם בחרתם באיתור, ולוחצים על כפתור החילוץ. הסביבה רצה על גבי מאיץ zero-a10g, מה שאומר שהעיבוד עצמו יחסית מהיר מרגע שהמאיץ מוקצה, אבל עשויה להיות המתנה קצרה לעליית החומרה אם היא במצב שינה. אין צורך בהתחברות מיוחדת כדי להריץ בדיקה.

הרישיון

הפרויקט מפורסם תחת רישיון MIT, שמאפשר שימוש חופשי בקוד ובממשק. הקבצים והמידע שאתם מעלים עוברים דרך השרת שעליו רץ הדמו, ולכן לא מומלץ להעלות לשם מסמכים מזהים או מידע רגיש.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗