DeepSeek-OCR-2提示词实战指南Grounding版式还原与Free OCR自由识别2种模式如何选【免费下载链接】DeepSeek-OCR-2Visual Causal Flow项目地址: https://gitcode.com/gh_mirrors/de/DeepSeek-OCR-2DeepSeek-OCR-2 是 DeepSeek 推出的新一代文档 OCR 模型Visual Causal Flow 架构只需两条提示词就能完成两种识别任务带版式框定的Grounding 模式可把 PDF/扫描件完整还原成 Markdown 并标注版式坐标而Free OCR 模式则只做纯文本自由识别。本文带你快速搞懂这两种模式的区别并给出可直接上手的配置步骤。两种提示词一图看懂 DeepSeek-OCR-2 的核心玩法很简单改提示词 换模式。官方提供两条主提示词见 README.md 的 Main Prompts 部分模式提示词输出内容典型场景Grounding 版式还原image\n|grounding|Convert the document to markdown.Markdown |ref|...|det|坐标框标签论文、书籍、杂志等需要保留标题、表格、图片位置的结构化还原Free OCR 自由识别image\nFree OCR.纯文本/Markdown 文字无版式坐标只要文字内容、追求速度的快速识别一句话总结要排版选 Grounding要内容选 Free OCR。Grounding 版式还原适合完整还原文档Grounding 模式除了识别文字还会输出每个元素标题、正文、表格、图片的边界框坐标。官方脚本会自动完成一系列后处理解析坐标标签把图片元素裁剪保存到images/目录生成干净的 Markdown 文件result.mmd坐标标签已替换为图片引用画出彩色边界框的核对图result_with_boxes.jpg批量处理 PDF 时额外产出_det.mmd含坐标和_layouts.pdf版式图对应实现位于 run_dpsk_ocr2_image.py单图流式输出和 run_dpsk_ocr2_pdf.pyPDF 并发识别。适用场景扫描版论文转 Markdown、古籍/教材数字化、带插图表格的版式敏感文档。Free OCR 自由识别适合只要文字把提示词换成Free OCR.后模型不再输出坐标框只按阅读顺序输出文字速度更快、输出更干净特别适合纯文本校对、批量提取发票/单据文字对版式不敏感的笔记电子化想验证识别准确率时的快速评估配合 run_dpsk_ocr2_eval_batch.py 跑 OmniDocBench v1.5 基准三种模式怎么选速查表 ✅整本 PDF 还原文档→run_dpsk_ocr2_pdf.py Grounding 提示词并发处理速度与 DeepSeek-OCR 一代相当️单张图片快速看图→run_dpsk_ocr2_image.py Grounding 提示词流式打印结果⚡只要文字内容→ 任意脚本 Free OCR.提示词快速上手5 步跑通 DeepSeek-OCR-2拉取仓库git clone https://gitcode.com/gh_mirrors/de/DeepSeek-OCR-2建环境官方环境为 CUDA 11.8 PyTorch 2.6.0依赖清单见 requirements.txtconda create -n deepseek-ocr2 python3.12.9 -y conda activate deepseek-ocr2 pip install vllm-0.8.5cu118-cp38-abi3-manylinux1_x86_64.whl pip install -r requirements.txt pip install flash-attn2.7.3 --no-build-isolation改配置编辑 config.py填入MODEL_PATH模型路径、INPUT_PATH输入图片/PDF、OUTPUT_PATH输出目录并通过PROMPT变量选择 Grounding 或 Free OCR 提示词。运行cd DeepSeek-OCR2-master/DeepSeek-OCR2-vllm python run_dpsk_ocr2_image.py # 单图识别 # python run_dpsk_ocr2_pdf.py # PDF 识别查看结果输出目录中会生成.mmd文本、result_with_boxes.jpg核对图Grounding 模式下直接核对识别效果。 没有 vLLM 环境也可以用 Transformers 跑run_dpsk_ocr2.py 几行代码即可加载deepseek-ai/DeepSeek-OCR-2模型两种提示词直接替换prompt变量。提升识别效果的关键参数 ️动态分辨率DeepSeek-OCR-2 支持 (0~6) 块 ×768×768 1 张 1024×1024 全局缩略图的动态切片对应 (0~6)×144 256 个视觉 token。图片越大、细节越丰富识别越准。切片逻辑见 image_process.py。CROP_MODE True默认开启大尺寸图片会自动切块精读小图则直接整图识别。输入质量PDF 建议用高分辨率渲染脚本内置 144 DPI 转图手机扫描件尽量保持原图清晰。常见问题速答 ❓Q识别结果出现重复/死循环怎么办官方已内置 N-gram 去重处理器ngram_norepeat.pyPDF 模式下还会自动跳过未正常结束的输出一般无需手动处理。QGrounding 和 Free OCR 可以混用吗可以。同一批文档先用 Grounding 做版式还原核对再用 Free OCR 快速验证纯文本准确率是很多用户的实用组合。Q想深入了解架构推荐阅读论文 DeepSeek_OCR2_paper.pdfDeepEncoder V2 用语言模型Qwen2 500M替代传统 CLIP 视觉编码器让模型以因果阅读顺序理解文档这是版式还原更准的底层原因。总结DeepSeek-OCR-2 的提示词体系极简而强大Grounding 提示词负责还原版式Free OCR 提示词负责提取内容。把 config.py 中的PROMPT换成对应那一行就切换了模式——这正是它一条提示词切换能力的设计精髓。新手建议先用单图脚本跑通 Grounding 模式看坐标框效果再根据需求自由切换。【免费下载链接】DeepSeek-OCR-2Visual Causal Flow项目地址: https://gitcode.com/gh_mirrors/de/DeepSeek-OCR-2创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
