¿Estás seguro de que quieres cerrar sesión?
¡Olvídate de volver a escribir! Convierte al instante documentos escaneados, capturas de pantalla y PDF en texto editable y buscable, impulsado por IA de mapeo óptico 2D.
Haz clic para subir o arrastra archivos
Formato: JPG, JPEG, PNG, GIF, WEBP
Tamaño: Máximo 10MB, resolución máxima: 4096×4096
Subiendo: demo2.wav
Tamaño del archivo: 295.54 KB
Subiendo al servidor…
demo2.wav
Tamaño del archivo: 295.54 KB
✓ Subida exitosa
DeepSeek AI ha lanzado DeepSeek-OCR, un método revolucionario que comprime contextos largos mediante mapeo óptico bidimensional. Este sistema innovador demuestra que la compresión basada en visión puede lograr una eficiencia excepcional al procesar documentos con alta densidad de texto, cambiando potencialmente la forma en que los modelos de lenguaje grandes (LLM) manejan información textual masiva.
DeepSeek-OCR consta de dos componentes principales: DeepEncoder y DeepSeek3B-MoE-A570M como decodificador. Trabajando juntos, pueden lograr una precisión OCR del 97% con una relación de compresión inferior a 10× (es decir, 10 tokens de texto comprimidos en 1 token visual); incluso con una compresión agresiva de 20×, el sistema mantiene aproximadamente un 60% de precisión.
La innovación central de DeepSeek-OCR radica en su capacidad de comprimir significativamente la información textual manteniendo una precisión considerablemente alta:
Estos resultados muestran que los modelos de lenguaje ligeros también pueden decodificar efectivamente representaciones visuales comprimidas, lo que significa que los LLM más grandes pueden adquirir fácilmente capacidades similares a través del diseño de preentrenamiento adecuado.
DeepEncoder es una arquitectura completamente nueva que mantiene baja memoria de activación y menos tokens visuales incluso con entradas de alta resolución. Sus características clave incluyen:
En el benchmark OmniDocBench, DeepSeek-OCR demuestra una eficiencia excepcional:
DeepSeek-OCR demuestra un rendimiento excepcional en aplicaciones del mundo real, capaz de generar datos de entrenamiento para modelos de lenguaje grandes (LLM) y modelos de visión-lenguaje (VLM) a una escala sin precedentes:
Los modelos de visión-lenguaje (VLM) de código abierto actuales emplean tres tipos principales de codificadores visuales, cada uno con diferentes ventajas y limitaciones:
DeepEncoder resuelve estas limitaciones combinando las mejores características de varios métodos mientras minimiza sus desventajas, logrando un equilibrio entre eficiencia de memoria, número de tokens y capacidad de procesamiento.
DeepEncoder está diseñado para soportar eficientemente múltiples resoluciones, permitiéndole manejar documentos de diferentes tamaños y complejidades sin sacrificar rendimiento o requerir recursos computacionales excesivos.
El componente decodificador utiliza DeepSeek3B-MoE-A570M, una arquitectura de mezcla de expertos que proporciona inferencia eficiente mientras mantiene alta precisión. Este diseño permite al modelo especializarse en diferentes aspectos de las tareas OCR mientras comparte conocimiento entre expertos.
Descubre más herramientas de IA útiles para aumentar tu productividad
Elimina marcas de agua de imágenes usando tecnología IA. Limpia tus fotos automáticamente.
Elimina personas no deseadas de las fotos usando IA. Limpia tus imágenes eliminando personas específicas.
Mira cómo te ves con un corte rapado usando IA. Previsualiza peinados cortos antes de cortar.
