1.3B OCR modeli gerçek belge taramasında %93.68 puan aldı, OCR hataları için AI yargıcı da geldi

OpenBMB, iki yeni açık kaynak OCR çözümünü duyurdu. MiniCPM-OCR 1.0, 1.3 B parametreli bir model olarak gerçek‑dünya belgelerinde, eğimli sayfalar, telefon fotoğrafları ve karmaşık düzenler gibi zorlu koşullarda %93.68 başarı puanı elde etti. Bu sonuç, Real5-OmniDocBench adlı benchmark testinde kaydedildi ve mevcut OCR çözümlerinin üstünde bir performans sergiliyor.

Modelin işlem hızını artırmak için DSpark kod çözücü (decoding) hızlandırması eklendi; bu sayede uçtan uca işleme verimliliği %55 oranında yükseldi. MiniCPM-OCR 1.0, vLLM, SGLang, llama.cpp ve Ollama gibi popüler altyapılarla uyumlu olarak sunuluyor, bu da geliştiricilerin mevcut pipeline'larını kolayca entegre edebilmelerini sağlıyor.

İkinci model MiniCPM-OCR Jev ise 2 B parametreli bir OCR kalite yargıcını temsil ediyor. Jev, orijinal görüntüyü aday metinle karşılaştırarak formüller, tablolar ve metin hatalarını tespit ediyor ve %0.936 AUROC skoruyla 397 B parametreli bir modelin performansına çok yakın bir sonuç gösteriyor. İlginç bir özellik olarak, Jev diğer OCR sistemlerinin çıktısını da değerlendirebiliyor, bu da mevcut OCR altyapılarını değiştirmeden kalite kontrolü eklemeye olanak tanıyor.

Her iki model de Hugging Face üzerinden indirilebilir ve açık kaynak lisansı altında dağıtılıyor. Bu adım, OCR alanında daha erişilebilir, yüksek performanslı ve denetimli çözümler sunarak araştırmacıların ve endüstri oyuncularının iş akışlarını iyileştirmeyi hedefliyor.