MiniCPM-OCR-1.0-GPTQ提示词全攻略：文本、表格、公式、印章、图表6类识别Prompt技巧

人工智能计算机视觉OCR多模态模型量化大模型【免费下载链接】MiniCPM-OCR-1.0-GPTQ项目地址https://ai.gitcode.com/OpenBMB/MiniCPM-OCR-1.0-GPTQ点击查看免费下载MiniCPM-OCR-1.0-GPTQ 是 MiniCPM-OCR 1.0 的 GPTQ 4-bit 量化版 OCR 模型本文手把手教你用它做文本、表格、公式、印章、图表 6 类识别 Prompt帮新手快速上手文档解析。先认识一下为什么选 GPTQ 量化版 MiniCPM-OCR 1.0 是 MiniCPM-V 系列中第一个专为 OCR 打造的模型1.3B 参数覆盖文本、表格、公式、图表、印章和关键信息抽取。GPTQ 版在保持识别质量的同时显著降低了显存占用项目说明量化方式GPTQW4A16权重 4-bit激活 BF16权重体积约 2.42 GiB → 约 1.74 GiB未量化部分视觉编码器、merger、lm_head 等保持 BF16量化参数记录于 quantize_config.json 量化参数细节bits: 4、group_size: 128、sym: true也可以直接查看 config.json 中的quantization_config字段vLLM 启动时会自动读取无需额外配置。核心原则提示词决定任务类型 MiniCPM-OCR 的提示词Prompt不是可有可无的修饰而是任务选择器你告诉模型这是什么区域模型才决定以什么格式输出。因此Prompt 必须与裁剪出的图片区域匹配——拿段落图去问Table Recognition:结果必然不对通过 SDK 做整页解析时README.md 中描述的流水线会自动处理Read → Layout → Recognise → Assemble即 PDF/图片读取、PP-DocLayoutV3 版面检测、区域并发识别、按阅读顺序拼回 Markdown手动调 API 时则需要你根据区域类型选择下方 6 类提示词。6 类识别 Prompt 速查表 区域类型提示词 Prompt输出格式文本块 / 段落 / 标题 / 整页Text Recognition:纯文本表格Table Recognition:HTMLSDK 后处理公式独立块Formula Recognition:LaTeX行内公式Text Recognition:文本 LaTeX印章Seal Recognition:印章文字图表Chart to Table:表格逐类技巧详解 ✂️1. 文本识别最常见的默认选项段落、标题、整页文字一律使用Text Recognition:输出为纯文本适合正文归档、搜索入库一个小技巧行内公式也用Text Recognition:模型会在输出中自动以 LaTeX 形式保留公式不需要单独裁切。2. 表格识别输出 HTML 再转 MarkdownTable Recognition:模型输出 HTML 表格SDK 会进一步后处理为 Markdown 表格建议裁剪时完整包含表头与边框表格越完整行列还原越准确扫描件、倾斜页、照片也能处理但尽量保证表格未被截断。3. 公式识别LaTeX 输出独立公式块使用Formula Recognition:输出标准 LaTeX可直接用于 Word、Typst、LaTeX 文档复杂手写公式建议裁剪后放大清晰区域再送入避免背景噪点干扰。4. 印章识别弧形文字也不怕Seal Recognition:印章文字沿圆周排布传统 OCR 很难读该模型专门针对印章做了优化适用于带红章的合同、发票、公文等扫描件裁剪时尽量把整个圆章圈进来不要只留半圈。5. 图表转表格看图说话变数据Chart to Table:把柱状图、折线图等转成数据表格方便二次分析和可视化复用裁剪时尽量保留坐标轴刻度和图例这是数据准确还原的关键。6. 关键信息抽取KIE直接要字段 除了上面 5 类区域识别还可以直接对整图提取指定字段无需先产出整页 Markdown。例如提取小票上的店名和金额把提示词换成Extract the store_name, amount. Format the output as a JSON object with keys: store_name, amount. If an item is not in the image, use ###.技巧字段名中英文皆可把store_name、amount换成你需要的字段输出是 JSON下游使用前请校验字段和值缺失字段统一用###占位方便程序判断。避坑指南输出被截断怎么办 ⚠️调 API 时如果响应里的finish_reason是length说明输出超过 token 预算被截断了——解决方法是调大max_tokens上限而不是怀疑提示词写错。其他生成相关参数可参考 generation_config.json对话消息如何拼装含图片占位符由 chat_template.jinja 定义一般通过 vLLM、SGLang 等框架调用时无需手动处理。本地文件速查 文件作用README.md模型介绍、Prompt 速查表、部署方式model.safetensors4-bit 量化权重视觉塔为 BF16config.json模型结构与量化配置quantize_config.json量化参数记录preprocessor_config.json / processor_config.json图像预处理与处理器配置tokenizer.json / tokenizer_config.json分词器文件generation_config.json生成默认参数一句话总结Prompt 选对任务、裁剪对齐区域、注意finish_reason三件事做到位MiniCPM-OCR-1.0-GPTQ 就能稳定产出高质量的文本、表格、公式、印章和图表识别结果。赞分享人工智能计算机视觉OCR多模态模型量化大模型【免费下载链接】MiniCPM-OCR-1.0-GPTQ项目地址https://ai.gitcode.com/OpenBMB/MiniCPM-OCR-1.0-GPTQ点击查看免费下载相关推荐MiniCPM-OCR 1.0提示词技巧完全指南文本、表格、公式、印章、图表6类区域如何精准识别MiniCPM OCR 1.0提示词技巧完全指南文本、表格、公式、印章、图表6类区域如何精准识别 MiniCPM OCR 1.01.3B 参数是 Mini人工智能大模型多模态OCR计算机视觉模型推理服务本地部署granite-vision-3.3-2b 文档理解实战表格、图表与 OCR 识别全攻略granite vision 3.3 2b 文档理解实战表格、图表与 OCR 识别全攻略 granite vision 3.3 2b 是 IBM 开源的告别表格打印乱象Luckysheet打印样式全攻略告别表格打印乱象Luckysheet打印样式全攻略 你是否还在为表格打印时格式错乱、内容溢出而烦恼纸质报告中错位的边框、丢失的表头、模糊的数字是否让数据展示前端UI组件创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考