type
status
date
slug
summary
tags
category
icon
password
更新信息概述
昨天(2025-05-24)，MinerU 进行了一轮小版本更新，当前版本更新到 v1.3.12。
MinerU项目地址：https://github.com/opendatalab/MinerU
此轮更新围绕
ppocrv5 模型展开，涵盖以下两点：- 将
ch_server模型更新为PP-OCRv5_rec_server，ch_lite模型更新为PP-OCRv5_rec_mobile。
- 增加手写文档的支持：通过优化layout对手写文本区域的识别，现已支持手写文档的解析
可通过lang参数
lang='ch_server'自行选择相应的模型：ch：PP-OCRv4_rec_server_doc（默认）（中英日繁混合/1.5w字典）
ch_server：PP-OCRv5_rec_server（中英日繁混合+手写场景/1.8w字典）
ch_lite：PP-OCRv5_rec_mobile（中英日繁混合+手写场景/1.8w字典）
ch_server_v4：PP-OCRv4_rec_server（中英混合/6k字典）
ch_lite_v4：PP-OCRv4_rec_mobile（中英混合/6k字典）
注：ppocrv5(server)对手写文档效果有一定提升，但在其余类别文档的精度略差于v4_server_doc，因此默认的ch模型保持不变。
更新模型下载
由于此次更新替换了部分模型，需要重新下载模型，有以下两种下载方式：
1. 从huggingface上下载
运行下载脚本：
2. 从modelscope上下载
运行下载脚本：
如果是 Linux 系统，也可以不手动创建py文件，快速执行以下命令，达成相同效果：
Torch-Infer 项目同步
之前我单独把 MinerU 的文本OCR部分单独提取出来，专门建立了一个仓库，方便在其它项目中集成
此次也进行同步更新。
MinerU中的模型配置文件位于：
模型理论效果最好的组合是
ch_server：因此，把 det 和 rec 模型都进行同步更新。
v5 字典文件文本分类类别数从 6623(v4) 扩展到 18384。
从字典文件中，发现竟然还包括各种表情符号，也就是说，它们也能被ocr识别出来。
实际测试了一下，大部分情况 v5 和 v4 效果差不多，少部分情况，如繁体字，v5 会支持得更好。
v4/v5识别效果对比