Xiaomi-OCR-0：从文档图片到结构化信息

1. 01

   选择任务与样例

   先使用工作台提供的样例，或不含敏感信息的文档图片。在外部工作台选择文档解析、字段提取，或针对页面内容提问。

2. 02

   核对结构与文字

   对照原图检查阅读顺序、表格单元格与公式；提取字段时，确认返回的数值确实出现在文档中。

外部工作台页面可访问，检查日期： 2026-11-02. 本次仅检查页面可访问性，未验证推理成功。若 Space 休眠、排队或报错，可按以下教程运行本地 Demo： 本地部署

1. 01

   文档解析

   识别页面文字并恢复阅读顺序。配套工具支持整页解析，也支持面向规则印刷版面的区域解析流程。

2. 02

   表格与公式识别

   识别表格结构与数学表达式。项目流程将模型输出的 OTSL 表格转换为 Markdown 内嵌的 HTML 表格，公式使用 LaTeX 表达。

3. 03

   关键信息提取

   通过 KIE 流程指定日期、合计等字段，并获取结构化 JSON。将提取值用于后续业务前，仍需核对原文。

4. 04

   文档问答

   围绕页面中可见的文字与内容提问。OCR 问答与逐字转录是不同任务，对文档的解释仍可能出错。

模型与完整应用各有分工。PDF 转图片、可选版面检测、裁切区域排序和表格转换属于配套流程，不能直接假定单次模型调用会返回同样组装完成的文档。

项目要求 Python 3.10 及以上版本。请根据硬件选择兼容的 Python、CUDA/PyTorch 与 vLLM 版本，并确认运行时支持 Qwen3_5ForConditionalGeneration 架构。驱动要求见下方 vLLM 安装文档。0.8B 参数量不等于总显存占用，图片分辨率、上下文长度和并发也会影响内存需求。

git clone https://github.com/xiaomi-research/Xiaomi-OCR-0.git
cd Xiaomi-OCR-0
python3 -m venv .venv-inference
source .venv-inference/bin/activate
python -m pip install --upgrade pip
python -m pip install vllm

vllm serve SeerRay-Lab/Xiaomi-OCR-0 \
  --host 127.0.0.1 --port 8000 --max-model-len 16384

命令保留项目本地 Demo 教程使用的 SeerRay-Lab/Xiaomi-OCR-0 标识；官方模型页现已跳转至 xiaomi-research 命名空间。等待权重加载完成，并保持 127.0.0.1:8000 上的推理服务运行。

cd Xiaomi-OCR-0
python3 -m venv .venv-demo
source .venv-demo/bin/activate
python -m pip install -r requirements.txt
python demo/server.py --port 8787

在第二个终端中，先进入包含克隆仓库的父目录，再执行命令。随后用浏览器打开 http://127.0.0.1:8787，先使用内置样例测试整页模式。Demo 使用独立虚拟环境，避免与推理运行时混装依赖。

ollama pull longwayxu/xiaomi-ocr-0:bf16

# Run from the cloned Xiaomi-OCR-0 directory
python3 -m venv .venv-demo
source .venv-demo/bin/activate
python -m pip install -r requirements.txt
export XIAOMI_OCR_BACKEND=ollama
export XIAOMI_OCR_MODEL=longwayxu/xiaomi-ocr-0:bf16
export XIAOMI_OCR_LOCAL_URL=http://127.0.0.1:11434/v1
python demo/server.py --port 8787

# In the Demo environment, after installing a compatible PaddlePaddle build
python -m pip install -r requirements-paddlex.txt
export XIAOMI_OCR_LAYOUT_DEVICE=cpu
python demo/server.py --port 8787

示例已与项目公开说明核对，但本站未实际执行 GPU 部署，也未测量本地准确率、吞吐量或显存。若遇到模型加载、架构支持或版面依赖问题，请查阅项目安装文档。

Xiaomi-OCR-0 的这三项解析分数采用两阶段流程，包含版面检测与区域推理，不能当作一次整页模型调用的成绩。预处理与评分设置请参阅评测流水线。

应在同一基准及版本内比较分数。该表不说明延迟、部署成本或 GGUF/Ollama 转换效果。选型时，请使用自己的页面分别检查阅读顺序、表格、公式与字段提取。

资料核实日期： 2026-11-02