[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-fufankeji--DeepSeek-OCR-Web":3,"tool-fufankeji--DeepSeek-OCR-Web":64},[4,18,26,35,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,2,"2026-04-06T11:32:50",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[43,15,13,14],"语言模型",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,52],"视频",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85013,"2026-04-06T11:09:19",[15,16,52,61,13,62,43,14,63],"插件","其他","音频",{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":76,"owner_location":79,"owner_email":80,"owner_twitter":80,"owner_website":80,"owner_url":81,"languages":82,"stars":102,"forks":103,"last_commit_at":104,"license":80,"difficulty_score":105,"env_os":106,"env_gpu":107,"env_ram":108,"env_deps":109,"category_tags":121,"github_topics":80,"view_count":32,"oss_zip_url":80,"oss_zip_packed_at":80,"status":17,"created_at":122,"updated_at":123,"faqs":124,"releases":125},4737,"fufankeji\u002FDeepSeek-OCR-Web","DeepSeek-OCR-Web","Out-of-the-box DeepSeek OCR document parsing Web Studio","DeepSeek-OCR-Web 是一款开箱即用的多模态文档解析 Web 工作台，旨在将复杂的 PDF 文档和图片高效转化为结构化数据。它基于强大的 DeepSeek-OCR 模型，能够精准识别多国语言文本，并智能还原文档的版面结构。无论是密集的表格、专业的工程图纸（如 CAD），还是包含数据趋势的分析图表，它都能进行深度语义理解与逆向解析，最终输出整洁的 Markdown 格式内容，极大降低了从非结构化文档中提取信息的门槛。\n\n这款工具特别适合需要处理大量技术文档的研究人员、希望自动化数据录入流程的开发人员，以及需要从图表中快速提取数据的分析师。对于普通用户而言，其直观的 Web 界面也让复杂的 OCR 任务变得像上传文件一样简单。\n\n技术上，DeepSeek-OCR-Web 采用了 React 前端与 FastAPI 后端的现代化架构，不仅支持高精度的版面分析，还具备对专业领域绘图的独特识别能力。需要注意的是，为了发挥其最佳性能，建议在配备 NVIDIA GPU（显存 7GB 以上）的 Linux 环境下运行，让它成为您处理复杂文档任务的得力助手。","\u003Cdiv align=\"center\">\n  \u003Ch1>DeepSeek-OCR Studio\u003C\u002Fh1>\n  \u003Cspan>\u003Ca href=\".\u002FREADME_zh.md\">中文\u003C\u002Fa> | English\u003C\u002Fspan>\n\u003C\u002Fdiv>\n\n## ⚡ Project Overview\n\nThis project is a multimodal document parsing tool based on DeepSeek-OCR with React frontend and FastAPI backend.\n![项目图片](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_1177444e89b8.png)\nThis tool can efficiently process PDF documents and images, providing powerful Optical Character Recognition (OCR) capabilities, supporting multi-language text recognition, table parsing, chart analysis, and many other features.\n### Key Features\n\n- **Multi-format Document Parsing**: Supports uploading and parsing documents in various formats such as PDF and images\n- **Intelligent OCR Recognition**: Based on the DeepSeek-OCR model, providing high-precision text recognition\n- **Layout Analysis**: Intelligently recognizes document layout structure and accurately extracts content layout\n- **Multi-language Support**: Supports text recognition in multiple languages including Chinese and English\n- **Table & Chart Parsing**: Professional table recognition and chart data extraction functionality\n- **Professional Domain Drawing Recognition**: Supports semantic recognition of various professional domain drawings\n- **Data Visualization**: Supports reverse parsing of data analysis visualization charts\n- **Markdown Conversion**: Converts PDF content to structured Markdown format\n\n## 👀 Project Demo\n\n\u003Cdiv align=\"center\">\n\n**PDF Document Parsing - Supports complex content including images and tables**\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_539bd9b1fed2.gif\" width=\"600\" alt=\"Document Parsing\">\n\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n\n| Multi-language Text Parsing | Chart & Table Parsing |\n|:---:|:---:|\n| \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_6f48674d2d53.gif\" width=\"400\" alt=\"Multi-language Text Parsing\"> | \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_06f498d4a0f1.gif\" width=\"400\" alt=\"Chart & Table Parsing\"> |\n\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n\n| Professional Domain Drawing Recognition\u003Cbr\u002F>(CAD, Flowcharts, Decorative Drawings) | Data Visualization Chart\u003Cbr\u002F>Reverse Parsing |\n|:---:|:---:|\n| \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_4fd117ba0757.gif\" width=\"400\" alt=\"CAD Drawing Semantic Recognition\"> | \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_f5bda9cb9d59.gif\" width=\"400\" alt=\"Data Visualization Chart Reverse Parsing\"> |\n\n\u003C\u002Fdiv>\n\n## 🚀 Usage Guide\n\n### System Requirements\n\n⚠️ **Important Notice**:\n- **Operating System**: Requires running on Linux system\n- **GPU Requirements**: GPU ≥ 7 GB VRAM (16–24 GB recommended for large images\u002Fmulti-page PDFs)\n- **Compatibility Note**: RTX 50 series GPUs are currently not compatible, please use other GPU models\n- **Python Version**: 3.10–3.12 (3.10\u002F3.11 recommended)\n- **CUDA Version**: 11.8 or 12.1\u002F12.2 (must match GPU driver)\n- **PyTorch**: Requires installing pre-compiled version matching CUDA\n\n### Quick Start\n#### Method 1: One-click Script Startup (Recommended)\nExecute the following script for one-click startup\n\n```bash\n# Install model weights and environment dependencies\nbash install.sh\n# Start services\nbash start.sh\n```\n\n#### Method 2: Manual Installation and Running\n\n##### Step 1: Model Weight Download\nFirst, you need to download the DeepSeek-OCR model weights, which can be obtained from **Hugging Face** or **ModelScope**. The following example uses **ModelScope**:\n\n```bash\npip install modelscope\nmkdir .\u002Fdeepseek-ocr\nmodelscope download --model deepseek-ai\u002FDeepSeek-OCR --local_dir .\u002Fdeepseek-ocr\n```\n\n##### Step 2: Runtime Environment Setup\nDownload the official project package\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fdeepseek-ai\u002FDeepSeek-OCR.git\n```\n\nCreate a virtual environment to install model runtime dependencies\n\n```bash\nconda create -n deepseek-ocr python=3.12.9 -y\nconda activate deepseek-ocr\n```\n\nInstall Jupyter and corresponding kernel\n\n```bash\nconda install jupyterlab\nconda install ipykernel\npython -m ipykernel install --user --name dsocr --display-name \"Python (dsocr)\"\n```\n\nInstall PyTorch related components\n\n```bash\npip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\n```\n\nInstall DeepSeek-OCR officially recommended vLLM version ([v0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl](https:\u002F\u002Fgithub.com\u002Fvllm-project\u002Fvllm\u002Freleases\u002Fdownload\u002Fv0.8.5\u002Fvllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl))\n```Bash\npip install .\u002Fpackages\u002Fvllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl\n```\n\nInstall project basic dependencies\n\n```Bash\ncd .\u002FDeepSeek-OCR\u002F\npip install -r requirements.txt\n```\n\nIf dependency conflicts appear during installation as shown in the image, you can ignore them as they won't affect actual operation.\n\n\u003Cimg src=\"assets\\3b6eecd322d1ac8aa411e53fd8eefc2f.png\"\u002F>\n\nInstall flash-attn acceleration library.\n\n```Bash\npip install flash-attn==2.7.3 --no-build-isolation\n```\n\nCreate a `.env` file in the project root directory and enter the model runtime address, for example:\n```\nMODEL_PATH=\u002Froot\u002Fautodl-tmp\u002Fdeepseek-ocr\n```\n\n##### Step 3: Start Backend Service\n\nStart the backend\n```bash\nuvicorn main:app --host 0.0.0.0 --port 8002 --reload\n```\n\n##### Step 4: Start Frontend Service\nInstall frontend dependencies\n```bash\nnpm install\n```\n\nStart the frontend\n```bash\nnpm run dev\n```\n\nAfter successful startup, access the frontend address in your browser to use the tool.\n\n## 🙈 Contributing\nWe welcome contributions to the project through GitHub PR submissions or issues. We very much welcome any form of contribution, including feature improvements, bug fixes, or documentation optimization.\n\n## 😎 Technical Communication\nScan to add our assistant, reply \"DeepSeekOCR\" to join the technical communication group and exchange learning with other partners.\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"assets\\afe0e4d094987b00012c5129a38ade24.png\" width=\"200\" alt=\"Technical Communication Group QR Code\">\n\u003Cdiv>\n","\u003Cdiv align=\"center\">\n  \u003Ch1>DeepSeek-OCR Studio\u003C\u002Fh1>\n  \u003Cspan>\u003Ca href=\".\u002FREADME_zh.md\">中文\u003C\u002Fa> | English\u003C\u002Fspan>\n\u003C\u002Fdiv>\n\n## ⚡ 项目概述\n\n本项目是一个基于 DeepSeek-OCR 的多模态文档解析工具，采用 React 前端和 FastAPI 后端架构。\n![项目图片](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_1177444e89b8.png)\n该工具能够高效处理 PDF 文档和图像，提供强大的光学字符识别（OCR）功能，支持多语言文本识别、表格解析、图表分析等多种特性。\n### 核心功能\n\n- **多格式文档解析**：支持上传并解析 PDF 和图像等多种格式的文档\n- **智能 OCR 识别**：基于 DeepSeek-OCR 模型，提供高精度的文本识别能力\n- **版面分析**：智能识别文档布局结构，准确提取内容排版\n- **多语言支持**：支持包括中文、英文在内的多种语言文本识别\n- **表格与图表解析**：专业的表格识别和图表数据提取功能\n- **专业领域图纸识别**：支持各类专业领域图纸的语义识别\n- **数据可视化**：支持数据分析可视化图表的反向解析\n- **Markdown 转换**：将 PDF 内容转换为结构化的 Markdown 格式\n\n## 👀 项目演示\n\n\u003Cdiv align=\"center\">\n\n**PDF 文档解析 - 支持包含图片和表格的复杂内容**\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_539bd9b1fed2.gif\" width=\"600\" alt=\"Document Parsing\">\n\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n\n| 多语言文本解析 | 图表与表格解析 |\n|:---:|:---:|\n| \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_6f48674d2d53.gif\" width=\"400\" alt=\"Multi-language Text Parsing\"> | \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_06f498d4a0f1.gif\" width=\"400\" alt=\"Chart & Table Parsing\"> |\n\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n\n| 专业领域图纸识别\u003Cbr\u002F>(CAD、流程图、装饰图) | 数据可视化图表\u003Cbr\u002F>反向解析 |\n|:---:|:---:|\n| \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_4fd117ba0757.gif\" width=\"400\" alt=\"CAD Drawing Semantic Recognition\"> | \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_readme_f5bda9cb9d59.gif\" width=\"400\" alt=\"Data Visualization Chart Reverse Parsing\"> |\n\n\u003C\u002Fdiv>\n\n## 🚀 使用指南\n\n### 系统要求\n\n⚠️ **重要提示**：\n- **操作系统**：需在 Linux 系统上运行\n- **GPU 要求**：显存 ≥ 7 GB（处理大图像或多页 PDF 时建议 16–24 GB）\n- **兼容性说明**：RTX 50 系列 GPU 目前不兼容，请使用其他型号的 GPU\n- **Python 版本**：3.10–3.12（推荐 3.10 或 3.11）\n- **CUDA 版本**：11.8 或 12.1\u002F12.2（必须与 GPU 驱动版本匹配）\n- **PyTorch**：需安装与 CUDA 匹配的预编译版本\n\n### 快速开始\n#### 方法一：一键脚本启动（推荐）\n执行以下脚本即可完成一键启动\n\n```bash\n# 安装模型权重及环境依赖\nbash install.sh\n# 启动服务\nbash start.sh\n```\n\n#### 方法二：手动安装与运行\n\n##### 步骤 1：下载模型权重\n首先需要下载 DeepSeek-OCR 模型权重，可通过 **Hugging Face** 或 **ModelScope** 获取。以下以 **ModelScope** 为例：\n\n```bash\npip install modelscope\nmkdir .\u002Fdeepseek-ocr\nmodelscope download --model deepseek-ai\u002FDeepSeek-OCR --local_dir .\u002Fdeepseek-ocr\n```\n\n##### 步骤 2：搭建运行环境\n克隆官方项目代码库\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fdeepseek-ai\u002FDeepSeek-OCR.git\n```\n\n创建虚拟环境并安装模型运行依赖\n\n```bash\nconda create -n deepseek-ocr python=3.12.9 -y\nconda activate deepseek-ocr\n```\n\n安装 Jupyter 及其内核\n\n```bash\nconda install jupyterlab\nconda install ipykernel\npython -m ipykernel install --user --name dsocr --display-name \"Python (dsocr)\"\n```\n\n安装 PyTorch 相关组件\n\n```bash\npip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\n```\n\n安装 DeepSeek-OCR 官方推荐的 vLLM 版本（[v0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl](https:\u002F\u002Fgithub.com\u002Fvllm-project\u002Fvllm\u002Freleases\u002Fdownload\u002Fv0.8.5\u002Fvllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl)）\n\n```Bash\npip install .\u002Fpackages\u002Fvllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl\n```\n\n安装项目基础依赖\n\n```Bash\ncd .\u002FDeepSeek-OCR\u002F\npip install -r requirements.txt\n```\n\n如果安装过程中出现如图所示的依赖冲突，可忽略，不会影响实际运行。\n\n\u003Cimg src=\"assets\\3b6eecd322d1ac8aa411e53fd8eefc2f.png\"\u002F>\n\n安装 flash-attn 加速库\n\n```Bash\npip install flash-attn==2.7.3 --no-build-isolation\n```\n\n在项目根目录下创建 `.env` 文件，并填写模型运行路径，例如：\n\n```\nMODEL_PATH=\u002Froot\u002Fautodl-tmp\u002Fdeepseek-ocr\n```\n\n##### 步骤 3：启动后端服务\n\n启动后端服务\n\n```bash\nuvicorn main:app --host 0.0.0.0 --port 8002 --reload\n```\n\n##### 步骤 4：启动前端服务\n安装前端依赖\n\n```bash\nnpm install\n```\n\n启动前端开发服务器\n\n```bash\nnpm run dev\n```\n\n启动成功后，打开浏览器访问前端地址即可使用该工具。\n\n## 🙈 贡献方式\n我们欢迎通过 GitHub 提交 PR 或 Issue 来参与项目贡献。无论是功能改进、问题修复还是文档优化，我们都十分期待您的参与。\n\n## 😎 技术交流\n扫描二维码添加我们的助手，回复“DeepSeekOCR”即可加入技术交流群，与其他伙伴一起学习交流。\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"assets\\afe0e4d094987b00012c5129a38ade24.png\" width=\"200\" alt=\"Technical Communication Group QR Code\">\n\u003Cdiv>","# DeepSeek-OCR-Web 快速上手指南\n\nDeepSeek-OCR-Web 是一款基于 DeepSeek-OCR 模型的多模态文档解析工具，支持 PDF 和图片的高效处理，具备高精度文字识别、表格解析、图表分析及专业图纸语义理解能力，并可输出结构化 Markdown。\n\n## 1. 环境准备\n\n在开始之前，请确保您的运行环境满足以下要求：\n\n*   **操作系统**：必须为 **Linux** 系统。\n*   **GPU 要求**：显存 ≥ 7 GB（处理大图或多页 PDF 推荐 16–24 GB）。\n    *   ⚠️ **注意**：目前 **RTX 50 系列** 显卡暂不兼容，请使用其他型号。\n*   **Python 版本**：3.10 – 3.12（推荐 3.10 或 3.11）。\n*   **CUDA 版本**：11.8 或 12.1\u002F12.2（需与显卡驱动匹配）。\n*   **前置依赖**：建议预先安装好对应 CUDA 版本的 PyTorch 预编译包。\n\n## 2. 安装步骤\n\n您可以选择“一键脚本”或“手动安装”两种方式。国内用户推荐优先使用 **ModelScope（魔搭）** 下载模型权重。\n\n### 方式一：一键脚本启动（推荐）\n\n若网络环境允许且无需自定义配置，可直接执行官方脚本：\n\n```bash\n# 安装模型权重和环境依赖\nbash install.sh\n# 启动服务\nbash start.sh\n```\n\n### 方式二：手动安装与运行\n\n#### 第一步：下载模型权重\n使用 ModelScope 下载 DeepSeek-OCR 模型权重：\n\n```bash\npip install modelscope\nmkdir .\u002Fdeepseek-ocr\nmodelscope download --model deepseek-ai\u002FDeepSeek-OCR --local_dir .\u002Fdeepseek-ocr\n```\n\n#### 第二步：克隆项目与配置环境\n获取项目代码并创建虚拟环境：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fdeepseek-ai\u002FDeepSeek-OCR.git\ncd DeepSeek-OCR\n\n# 创建虚拟环境 (以 Python 3.12 为例)\nconda create -n deepseek-ocr python=3.12.9 -y\nconda activate deepseek-ocr\n\n# 安装 Jupyter 及内核\nconda install jupyterlab\nconda install ipykernel\npython -m ipykernel install --user --name dsocr --display-name \"Python (dsocr)\"\n```\n\n#### 第三步：安装核心依赖\n依次安装 PyTorch、vLLM 及项目依赖。**请根据您的 CUDA 版本调整 PyTorch 安装源**。\n\n```bash\n# 安装 PyTorch (示例为 CUDA 11.8，请根据实际情况调整)\npip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\n\n# 安装官方推荐的 vLLM 版本 (需先下载 whl 文件到 packages 目录)\npip install .\u002Fpackages\u002Fvllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl\n\n# 安装项目基础依赖\npip install -r requirements.txt\n# 注：若出现依赖冲突警告可忽略，通常不影响运行\n\n# 安装 flash-attn 加速库\npip install flash-attn==2.7.3 --no-build-isolation\n```\n\n#### 第四步：配置模型路径\n在项目根目录创建 `.env` 文件，填入模型权重的绝对路径：\n\n```text\nMODEL_PATH=\u002Froot\u002Fautodl-tmp\u002Fdeepseek-ocr\n# 请将上述路径替换为您实际下载模型的目录\n```\n\n## 3. 基本使用\n\n完成安装后，需分别启动后端和前端服务。\n\n**1. 启动后端服务**\n在 `DeepSeek-OCR` 目录下运行：\n```bash\nuvicorn main:app --host 0.0.0.0 --port 8002 --reload\n```\n\n**2. 启动前端服务**\n打开新终端，进入前端目录（通常在项目根目录或指定 frontend 目录，依具体结构而定，此处按常规 React 项目逻辑）：\n```bash\nnpm install\nnpm run dev\n```\n\n**3. 开始使用**\n服务启动成功后，在浏览器访问前端显示的地址（通常为 `http:\u002F\u002Flocalhost:5173` 或类似端口）。\n*   上传 PDF 或图片文件。\n*   系统将自动进行布局分析、OCR 识别及表格\u002F图表解析。\n*   查看并导出结构化 Markdown 结果。","某跨国工程咨询公司的数据分析师急需将数百份包含复杂 CAD 图纸、多语种技术表格及统计图表的老旧 PDF 报告转化为可编辑的结构化数据，以构建新的知识检索库。\n\n### 没有 DeepSeek-OCR-Web 时\n- **人工录入效率极低**：面对混合了中文、英文及技术术语的文档，团队需耗费数周时间手动抄录文字，且极易出错。\n- **图表数据丢失严重**：传统 OCR 无法识别报表中的行列关系和折线图数据，导致关键数值只能被当作普通图片处理，无法进行二次分析。\n- **专业图纸无法解析**：对于 CAD 流程图和装饰图纸，常规工具只能输出乱码或空白，完全丢失了图纸背后的语义逻辑。\n- **格式重构成本高**：提取后的内容杂乱无章，重新整理为 Markdown 或数据库格式需要额外的开发人员编写大量清洗脚本。\n\n### 使用 DeepSeek-OCR-Web 后\n- **全自动高精度识别**：DeepSeek-OCR-Web 一键上传即可自动识别中英混合文本，精准还原文档布局，将数周的工作量压缩至几小时。\n- **图表数据逆向还原**：工具能智能解析表格结构并逆向还原图表数据，直接输出可计算的数值列表，让死板的图片瞬间变为活跃数据。\n- **深度理解专业图纸**：针对 CAD 图纸和流程图，DeepSeek-OCR-Web 能进行语义级识别，准确提取其中的逻辑关系和标注信息。\n- **结构化输出免清洗**：解析结果直接转换为标准的 Markdown 格式，保留了完整的层级结构，分析师可直接导入知识库系统，无需额外清洗。\n\nDeepSeek-OCR-Web 通过其强大的多模态解析能力，将非结构化的复杂工程文档瞬间转化为高价值的结构化数据，彻底重塑了企业知识数字化的流程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffufankeji_DeepSeek-OCR-Web_1177444e.png","fufankeji","Beyondata","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Ffufankeji_c02ccde6.jpg","与5w开发者共同成长，持续分享“大模型开源项目”和“职业成长”内容～","China Beijing",null,"https:\u002F\u002Fgithub.com\u002Ffufankeji",[83,87,91,95,98],{"name":84,"color":85,"percentage":86},"TypeScript","#3178c6",49.2,{"name":88,"color":89,"percentage":90},"Python","#3572A5",33.7,{"name":92,"color":93,"percentage":94},"CSS","#663399",15,{"name":96,"color":97,"percentage":32},"Shell","#89e051",{"name":99,"color":100,"percentage":101},"HTML","#e34c26",0.1,546,94,"2026-04-01T06:04:13",4,"Linux","必需 NVIDIA GPU，显存≥7GB（处理大图像或多页 PDF 推荐 16–24GB），不支持 RTX 50 系列，需匹配 CUDA 11.8 或 12.1\u002F12.2","未说明",{"notes":110,"python":111,"dependencies":112},"RTX 50 系列显卡目前不兼容；必须安装与 CUDA 版本匹配的预编译 PyTorch；需手动下载 DeepSeek-OCR 模型权重（可通过 Hugging Face 或 ModelScope）；前端基于 React，后端基于 FastAPI；若安装依赖时出现冲突提示可忽略。","3.10–3.12 (推荐 3.10\u002F3.11)",[113,114,115,116,117,118,119,120],"torch==2.6.0","torchvision==0.21.0","torchaudio==2.6.0","vllm==0.8.5","flash-attn==2.7.3","fastapi","uvicorn","react (frontend)",[15,62],"2026-03-27T02:49:30.150509","2026-04-07T09:50:13.920332",[],[]]