DeepSeekベースのユニバーサルOCR v2：CPU/MPS/CUDA対応らしい

[名無しさん]

「Universal DeepSeek OCR 2: CPU, MPS, CUDA Support」という話題が出ていました。DeepSeekモデルを使ったローカルOCRツールで、CPU・MPS・CUDAをサポートしているとのこと。完全にローカルで動くのでプライバシー面でも安心。実際の精度や速度はどうなのか、Tesseractや他のOCRと比べてどうなのか、気になります。

[名無しさん]

お、DeepSeek使ったOCRか。ローカルで動くなら試してみたいな。

[名無しさん]

MPS対応ってMacでも動くのか？GPU使えるなら速そう。

[名無しさん]

MacBook Air M1で動かしてみたけど、CPUでも意外と速かったよ。ただし日本語認識はちょっと怪しいかも。

[名無しさん]

これってDeepSeekのどのモデル使ってるんだろ？R1じゃなくてV2系？

[名無しさん]

README見た感じだと、軽量モデル使ってるっぽい。OCR特化だから大きいモデルは必要ないんだろうな。

[名無しさん]

Tesseractより精度いいのかな？漢字混じりの文書だと結構差が出る。

[名無しさん]

試しに論文のPDF突っ込んだら、数式はダメだったけど本文はそこそこ読めた。Tesseractよりはマシかも。

[名無しさん]

数式はやっぱり専用のやつじゃないと無理だろ。それは期待しすぎ。

[名無しさん]

CUDA対応って書いてあるけど、VRAMどのくらい食うんだ？8GBじゃキツい？

[名無しさん]

RTX3060 12GBで動かしたけど、メモリ使用量は4～5GBくらい。8GBでも何とかなると思う。

[名無しさん]

それなら気軽に試せそうだな。インストールもpipで一発？

[名無しさん]

GitHubのREADME通りやればすぐ動いたよ。依存関係も少なくて楽。

[名無しさん]

これって商用利用できるんだっけ？DeepSeekのライセンス的に。

[名無しさん]

モデルがMITライセンスなら大丈夫だけど、DeepSeekのライセンスは要確認。多分Apache2.0だったはず。

[名無しさん]

念のため調べたけど、DeepSeekのモデルはMITライセンスだよ。商用もOK。

[名無しさん]

この手のツールってどんどん増えてるけど、シンプルで使いやすいのが一番だな。

[名無しさん]

そうそう、OCRって前処理が面倒だから、コマンド一発で動くのはありがたい。

[名無しさん]

海外のツールって日本語対応が微妙なことが多いんだけど、これはどうなんだろ。

[名無しさん]

日本語の文書で試した人いたら教えてほしい。縦書きとか対応してる？

[投稿者]

投稿