MiniCPM-OCR Serisi Açık Kaynak Yayınlandı: 1.3B Ayrıştırma Modeli ve 2B Kalite Denetçisi
Yazar: KOZBA
İçindekiler
ModelBest ve OpenBMB, MiniCPM-OCR serisini açık kaynak olarak yayınladı. Aile iki modelden oluşuyor: belge ayrıştırma için MiniCPM-OCR 1.0 (1.3 milyar parametre) ve OCR sonuçlarını denetlemek için MiniCPM-OCR Jev (2 milyar parametre). Şirketlere göre bu, MiniCPM ailesinin OCR odaklı ilk modeli.
MiniCPM-OCR 1.0: küçük model, zor belgeler
1.3B parametreli model, uç cihazlarda çalışacak biçimde optimize edilmiş. Tanıtım metnine göre taranmış, fotoğraflanmış, kıvrılmış, eğik ve ekran görüntüsü olarak alınmış belgeleri, önceden görüntü düzeltme yapılmadan ayrıştırabiliyor. Bu, büyük hacimli belge dijitalleştirme projelerinde en çok zaman kaybettiren adımı ortadan kaldırıyor.
Model yoğun iki dilli (Çince-İngilizce) içerikte, karmaşık matematiksel formüllerde ve çok düzeyli ya da çerçevesiz tablolarda rekabetçi sonuç verdiği iddia ediliyor. Tam sayfa yeniden oluşturmanın yanında, fatura, kimlik ve finansal tablo gibi belgelerden talimatla belirli alanları çeken anahtar bilgi çıkarımı (KIE) da destekleniyor.
DSpark: sayfa başına gecikmeyi düşüren kodlama
Modelin hız tarafında DSpark adı verilen kod çözme hızlandırması kullanılıyor. Şirkete göre bu, uçtan uca iş hacmini artırırken sayfa başına gecikmeyi düşürüyor. Finansal sözleşme arşivleri, akademik kütüphaneler ve kamu kayıtları gibi milyonlarca sayfa işleyen kurumlar için anlamlı olan nokta şu: aynı donanım ve süre bütçesiyle daha fazla belge işlenebiliyor.
Jev: OCR sonucunu denetleyen model
Serinin asıl yeniliği MiniCPM-OCR Jev. Bu model OCR yapmıyor; kaynak görüntü ile OCR çıktısını karşılaştırıp metin, LaTeX formülleri ve tablolar için güven puanı üretiyor. Eksik karakterleri, hataları ve biçim kaymalarını tespit ediyor. Şirkete göre 2B parametreyle, çok daha büyük modellerin doğruluk düzeyine yakın bir yargı kalitesi sunuyor.
Jev'in en pratik özelliği, mevcut OCR altyapısının yerine geçmemesi. Farklı OCR motorlarıyla birlikte çalışabiliyor; güvenilir sonuçları doğrudan işleme alıyor, şüpheli olanları insan incelemesine işaretliyor ve birden fazla OCR sisteminin çıktısı arasından en iyisini seçebiliyor. Bu, belge işleme hatlarında tam manuel kontrol yerine risk tabanlı otomatik kalite kontrolüne geçiş anlamına geliyor.
Nerede kullanılabilir?
- Fatura ve finansal tablo işleme: alan bazlı veri çıkarımı ve doğrulama.
- Kamu ve hukuk arşivleri: taranmış kararların ve sözleşmelerin toplu dijitalleştirilmesi.
- Kütüphane ve akademik yayınlar: formül ve tablo ağırlıklı sayfaların ayrıştırılması.
- Kimlik ve form belgeleri: KIE ile alan çıkarımı, Jev ile kalite kontrolü.
Erişim, donanım ve ekosistem
Modeller GitHub, Hugging Face ve ModelScope üzerinde yayınlandı. vLLM, SGLang, llama.cpp ve Ollama desteği var; SDK, API, Agent Skill eklentileri ve açık kaynak ince ayar kodu da paylaşılıyor. İlk günden AMD, Arm, Intel ve NVIDIA donanımlarında adaptasyon sağlandığı belirtiliyor. FlagOS yazılım yığını üzerinden Huawei Ascend, Hygon, Moore Threads, Kunlunxin, MetaX ve Apple Mac (Arm) gibi ek platformlar da destekleniyor.
Bu geniş donanım kapsamı, özellikle veri yerelleştirme zorunluluğu olan kurumlar için önemli: model bulut API'sine çıkmadan, kendi sunucularında veya uç cihazlarda çalıştırılabiliyor.
Sınırlar ve dikkat edilmesi gerekenler
Tanıtım metnindeki başarı iddiaları şirketin kendi değerlendirmelerine dayanıyor; bağımsız karşılaştırma sonuçları paylaşılmıyor. İki dilli odak Çince-İngilizce; Türkçe belgelerde doğruluk, ayrı bir test gerektiriyor. Ayrıca Jev'in güven puanları bir eşik değerine bağlı çalıştığı için, kurumların kendi hata toleransına göre kalibrasyon yapması gerekiyor.
Lisans ve ticari kullanım koşulları depoda belirtiliyor; üretim planlaması yapmadan önce model kartlarının kontrol edilmesi gerekiyor. 1.3B ve 2B gibi küçük boyutlar, CPU ve uç cihazlarda çalıştırmayı kolaylaştırıyor ancak çok dilli veya el yazısı ağırlıklı belgelerde beklenti ayarı şart.
Sonuç
MiniCPM-OCR serisi, belge işleme zincirinde iki farklı boşluğu doldurmayı hedefliyor: küçük ve hızlı ayrıştırma ile otomatik kalite denetimi. Jev'in OCR'dan bağımsız çalışabilmesi, onu mevcut hatlara eklenebilir bir katman yapıyor. Kurumsal belge otomasyonu arayanlar için izlenmesi gereken açık kaynak seçeneklerden biri.