在视觉与文本压缩领域，DeepSeek-OCR 推出了开源模型，专注于从大语言模型视角解析视觉编码器的作用。它支持多种分辨率模式，从512×512到1280×1280，能够实现高效的图像OCR和文档转换，适合需要高质量视觉文本识别与压缩的开发者和研究者使用。
功能亮点包括：
- 支持多种视觉输入分辨率和动态分辨率模式；
- 与 vLLM 和 Transformers 双推理框架兼容，灵活方便；
- 支持图像到Markdown的文档转换，以及多样化的OCR应用场景；
- 提供详细的命令行和Python使用示例，便于快速上手；
- 基于 MIT 许可证开源，便于集成和二次开发。
项目地址：
github.com/deepseek-ai/DeepSeek-OCR
适合视觉文本理解、文档数字化、智能文档处理等领域的技术人员和团队使用。
