Китайская компания DeepSeek официально представила DeepSeek-OCR-2 — специализированную модель оптического распознавания символов, разместив её исходный код и веса на платформе Hugging Face. Новинка ориентирована на глубокую обработку визуальных данных и призвана упростить процесс оцифровки сложных документов, чертежей и графиков для корпоративного и научно-исследовательского секторов.
Технические особенности и возможности обработки
Ключевым отличием DeepSeek-OCR-2 является поддержка динамического разрешения, что позволяет модели эффективно обрабатывать изображения различной четкости и формата. В архитектуре используется гибкая конфигурация (0-6)×768×768 + 1×1024×1024, обеспечивающая высокую детализацию при сканировании. Модель базируется на популярном фреймворке transformers и оптимизирована для работы в высокопроизводительных средах.
Основные функциональные возможности системы включают:
- Преобразование отсканированных документов в формат Markdown с сохранением структуры.
- Точное распознавание символов на сложных изображениях (OCR).
- Глубокий анализ графиков, диаграмм и визуальных схем с использованием текстовых промптов.
- Поддержка мультиязычного ввода и специализированных шрифтов.
Системные требования и среда развертывания
Для стабильной работы DeepSeek-OCR-2 разработчики установили четкие программные рамки. В частности, для запуска модели требуется актуальная версия Python 3.12.9 и среда CUDA 11.8. Оптимизация выполнена под аппаратное ускорение на базе графических процессоров (GPU) от NVIDIA, что гарантирует высокую скорость обработки данных при массовой оцифровке архивов.
Разработчики отмечают, что текущая реализация модели позволяет значительно снизить процент ошибок при распознавании мелкого текста и плотно скомпонованных таблиц, что ранее являлось проблемной зоной для стандартных OCR-решений.
Релиз DeepSeek-OCR-2 демонстрирует стремление компании занять лидирующие позиции в сегменте мультимодальных ИИ-инструментов. Благодаря открытому доступу на Hugging Face и возможности интеграции в существующие конвейеры обработки данных, модель может стать стандартом для автоматизации документооборота в ближайшем будущем.