Option 1 : utiliser Xiaomi-OCR-0 en ligne
Le plus rapide est la démo en ligne sur la page d’accueil d’OCRZero. Rien à installer, et le résultat est le même Markdown ou JSON que celui renvoyé par l’API.
- Choisissez une tâche. OCR de page en Markdown, PDF par lots, champs de factures ou de formulaires en JSON, ou questions sur un document.
- Importez le document. Une image PNG, JPEG ou WebP jusqu’à 10 Mo, ou un PDF de 20 pages maximum.
- Copiez le résultat. Du Markdown avec tableaux HTML et formules LaTeX, un objet JSON ou une réponse courte.
Option 2 : appeler l’API Xiaomi-OCR-0
Créez une clé API dans votre compte OCRZero et envoyez le fichier en data URL base64 à POST /api/v1/ocr avec un mode : page, pdf, kie ou vqa. Chaque page utilise 1 crédit, et les pages en échec sont remboursées dans la même réponse.
Pour les factures et formulaires, envoyez le mode kie avec les noms de champs voulus, par exemple invoice_number, invoice_date et total_amount. Les champs introuvables reviennent sous forme de chaînes vides.
Option 3 : héberger le modèle vous-même
Les poids sont sur Hugging Face. Les instructions officielles les servent avec vLLM ou SGLang comme serveur compatible OpenAI avec un contexte de 16 384 tokens, puis envoient l’image avec un prompt fixe. Utilisez les prompts officiels tels quels : le modèle a été entraîné avec.
- Prompt de page : extraire le corps du document en Markdown, tableaux en OTSL, formules en LaTeX, dans l’ordre de lecture.
- Décodage : temperature 0, top_p 0.8, raisonnement désactivé.
- Post-traitement : convertir les tableaux OTSL en HTML et normaliser les délimiteurs mathématiques avec le code officiel.