面壁的 MiniCPM-OCR 只有 1.3B 参数,评测 93.68 分。小模型做 OCR 到了一个可用的水平,这对需要本地部署的场景很有意义。
1.3B 意味着什么?
意味着单卡能跑,甚至能在边缘设备上跑。这让 OCR 从云端服务变成了本地能力。
对票据、证件、合同这类敏感材料,本地处理是刚需。数据不出门,合规压力直接消失。
93.68 分是什么水平?
在中英文混排、常规版面上,这个分数接近可用。手写、低质扫描、复杂表格会掉分。
所以它不是万能,是覆盖主流场景。用它之前,先拿自己的真实样本测一遍。
OCR 的难点到底在哪?
不在识别字,在还原结构。表格的合并单元格、多栏排版、页眉页脚、印章遮挡,这些才是错误来源。
纯识别模型只能给文字,结构要另做。所以评测分数高,不代表业务可用。
小模型为什么能追上大模型?
因为 OCR 是窄任务。窄任务不需要世界知识,只需要字符与版面的模式。参数少反而更专注。
这也是专用模型的价值:在窄领域里,小模型常常打赢通用大模型。
该怎么用?
三步。第一,拿一百张真实样本跑基线,看结构和字符两类错误各占多少。第二,针对结构错误加后处理规则。第三,把低置信度的样本送人工复核。
第三步必须有。OCR 的错误往往很隐蔽,一个字错会让整条数据失效。
适合哪些业务?
票据录入、证件核验、合同要素提取、档案数字化。共同点是:量大、格式相对固定、允许人工抽检。
不适合的是手写为主、版面混乱的材料。那种场景还需要专门优化。
本地 OCR 的趋势是什么?
趋势是端侧化。模型变小,硬件变强,很多过去必须上云的活会回到本地。
回到本地的好处不只是合规,还有延迟和成本。一次识别几十毫秒,比调 API 快一个量级。
小模型的价值,在于它把能力放到了离数据最近的地方。
去论坛讨论
前往 ziyuanagi.com 论坛 参与讨论