如何使用 Xiaomi-OCR-0

方式一：在线使用 Xiaomi-OCR-0

最快的方式是使用 OCRZero 首页的在线演示，无需安装，输出与 API 返回的 Markdown 或 JSON 相同。

1. 选择任务。 页面 OCR 转 Markdown、PDF 批量、发票或表单字段转 JSON，或文档问答。
2. 上传文档。 最大 10 MB 的 PNG、JPEG 或 WebP 图片，或最多 20 页的 PDF。
3. 复制结果。 带 HTML 表格和 LaTeX 公式的 Markdown、JSON 对象或简短答案。

方式二：调用 Xiaomi-OCR-0 API

在 OCRZero 账号中创建 API 密钥，把文件以 base64 data URL 发送到 POST /api/v1/ocr，并指定模式：page、pdf、kie 或 vqa。每页 1 积分，失败的页面在同一响应中退回。

处理发票和表单时，使用 kie 模式并传入所需字段名，例如 invoice_number、invoice_date 和 total_amount。模型找不到的字段返回空字符串。

方式三：自托管模型

模型权重发布在 Hugging Face。官方说明用 vLLM 或 SGLang 部署为 OpenAI 兼容服务器，上下文 16,384 token，然后把图片和固定提示词一起发送。请原样使用官方提示词：模型就是用它们训练的。

• 页面提示词：按阅读顺序把正文提取为 Markdown，表格用 OTSL，公式用 LaTeX。
• 解码参数：temperature 0、top_p 0.8，关闭思考模式。
• 后处理：用官方后处理代码把 OTSL 表格转为 HTML，并规范数学分隔符。