Opzione 1: usare Xiaomi-OCR-0 online
Il modo più rapido è la demo online nella home page di OCRZero. Niente da installare e l’output è lo stesso Markdown o JSON restituito dall’API.
- Scegli un’attività. OCR di pagina in Markdown, PDF in batch, campi di fatture o moduli in JSON, oppure domande sul documento.
- Carica il documento. Un’immagine PNG, JPEG o WebP fino a 10 MB, oppure un PDF fino a 20 pagine.
- Copia il risultato. Markdown con tabelle HTML e formule LaTeX, un oggetto JSON o una risposta breve.
Opzione 2: chiamare l’API di Xiaomi-OCR-0
Crea una chiave API nel tuo account OCRZero e invia il file come data URL base64 a POST /api/v1/ocr con una modalità: page, pdf, kie o vqa. Ogni pagina usa 1 credito e quelle non riuscite vengono rimborsate nella stessa risposta.
Per fatture e moduli, invia la modalità kie con i nomi dei campi che ti servono, ad esempio invoice_number, invoice_date e total_amount. I campi che il modello non trova tornano come stringhe vuote.
Opzione 3: ospitare il modello in proprio
I pesi sono su Hugging Face. Le istruzioni ufficiali li servono con vLLM o SGLang come server compatibile con OpenAI con un contesto di 16.384 token e inviano l’immagine con un prompt fisso. Usa i prompt ufficiali senza modifiche: il modello è stato addestrato su di essi.
- Prompt di pagina: estrarre il corpo principale in Markdown, tabelle in OTSL e formule in LaTeX, in ordine di lettura.
- Decodifica: temperature 0, top_p 0.8, ragionamento disattivato.
- Post-processing: convertire le tabelle OTSL in HTML e normalizzare i delimitatori matematici con il codice ufficiale.