告别付费OCR！DeepSeek-OCR-2一键转 Markdown，附一键整合包
大家好，我是品智（PingAI）。
大部分 OCR 只管"认字"，不管"理解结构"，表格、公式、多栏排版一遇到就乱。
今天要介绍的 DeepSeek-OCR-2，DeepSeek 最新开源的文档智能识别工具，不仅能"读得准"，更能"理得清"。
一、为什么说这次是真突破？
1.1、视觉因果流
传统 OCR 模型处理文档的方式类似于"拍照扫描"——把整张图片一次性编码，再解码成文字，前后文之间没有因果关联，排版结构自然丢失。
1.2、基准测试全面领先
在权威的 OmniDocBench v1.5 文档理解基准测试中，DeepSeek-OCR-2 取得了目前最佳成绩。该测试覆盖表格识别、公式识别、文档布局分析等多个维度，是评估 OCR 综合能力的行业标准之一。
官方数据显示：在相同视觉 token 预算下，DeepSeek-OCR-2 的表现优于包括 Gemini 在内的多个主流大模型。 换句话说，它用更少的计算资源，达到更高的识别精度。
二、两种方式快速上手
方式一：Docker 一键部署（推荐，零门槛）
不需要配置开发环境，只需要电脑上装好 Docker 和 NVIDIA Container Toolkit，一条命令即可完成部署(一键安装包获取方式：在后台回复 deepseek-ocr-2，即可收到打包好的安装文件)：
docker run -d --name deepseek-ocr-2 --gpus all -p 7880:7880 deepseek-ocr-2:v1容器启动后，浏览器访问 http://localhost:7880 即可使用 Web 界面，上传图片或 PDF 直接开始识别。
图片OCR结果如下：
文件(PDF)OCR结果如下：
方式二：源码手动安装（开发者向）
适合希望深度定制或集成到自有系统的开发者。完整步骤如下：
第一步：克隆仓库
git clone https://github.com/deepseek-ai/DeepSeek-OCR-2.gitcd DeepSeek-OCR-2第二步：创建 Python 环境
conda create -n deepseek-ocr2 python=3.12.9 -yconda activate deepseek-ocr2第三步：安装依赖
# 安装 PyTorch（CUDA 11.8 版本）pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 \
--index-url https://download.pytorch.org/whl/cu118# 安装 vLLM 推理框架pip install vllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl# 安装其余依赖pip install -r requirements.txtpip install flash-attn==2.7.3 --no-build-isolation第四步：运行识别
# 单张图片识别python run_dpsk_ocr2_image.py# PDF 批量识别python run_dpsk_ocr2_pdf.py常用配置参数（在 config.py中修改）：
base_size 1024 基础图像尺寸
image_size 768 输入图像尺寸
crop_mode True 启用裁剪模式，提升长文档效果
save_results True 自动保存识别结果
三、使用场景
场景一：复杂文档转 Markdown
它可以完整还原文档的层级结构，表格变成标准 Markdown 表格，标题按层级自动分级，列表对齐规整。对于经常整理文献资料、处理合同扫描件的用户来说，这个功能直接省去大量手工排版时间。
场景二：PDF 批量识别与并发处理
DeepSeek-OCR-2 支持 PDF 批量处理，并具备出色的并发能力，处理速度与上一代 DeepSeek-OCR 持平。对于需要定期处理大批量文档的用户（比如企业档案数字化、学术论文批量入库），这是不可忽视的实用优势。
场景三：动态分辨率自适应
不论是手机截图（低分辨率）还是高清扫描件（大尺寸），DeepSeek-OCR-2 都能根据输入图像的实际尺寸自动调整处理策略，最大限度保障识别质量，无需手动调参。
免责声明
本文系转载分享，版权归原创作者所有。我们尊重并保护知识产权，如无意中侵犯了您的权益，或原作者不希望被转载，请及时联系我们，我们会立刻处理。欢迎在评论区交流技术心得，也请扫码加入实战交流群，与大家一起探索 AI 自动化的无限可能。
