Xiaomi-OCR-0

资料核查于 2026 年 11 月 6 日。正文区分发布方声明与第三方体验，不代表 AIDreamHub 已完成产品实测。

小模型可以成为组件，但还不是完整票据系统

Xiaomi-OCR-0 基于 Qwen3.5-0.8B-Base，面向文档解析、OCR 相关问答和关键信息提取。可行的产品起点不是「什么文件都能识别」，而是一类具体票据：例如从固定供应商收据提取商户、日期、币种、税额与合计，减少重复录入。

模型输出不等于已核验的财务记录。实际流程还要处理图片预处理、PDF 拆页、字段结构、确定性校验、异常复核与导出。机会在于减少某类单据的人工修正，而不是生成一个看似完整的 CSV 就宣布自动化成功。

AIDreamHub 截取的官方项目页面，不是本地运行画面。

读评测先看管线，不要把分数当发票正确率

官方报告的 OmniDocBench v1.6、Real5-OmniDocBench、Wild-OmniDocBench 得分依次为 96.83、95.24、87.94。这些是发布方的文档解析指标，不是发票字段准确率，也不是完全正确页面的百分比。技术报告中的 Real5 结果使用 PP-DocLayoutV3 检测布局，不能直接套用到单阶段整页推理。

同一公开表格里，PaddleOCR-VL-1.6 的对应值为 96.33、93.19、87.36。接近的分数只能提供研究背景，不能证明你手中收据的业务收益。本站核查了模型卡、报告和代码，未独立运行基准；搜索到的材料多为发布介绍，尚不足以建立广泛的独立准确率共识。

How to Use：先选推理后端，再启动演示

官方仓库提供 Python 3.10+ 浏览器演示、MCP 接入，以及独立的推理后端。SGLang 或 vLLM 可作为兼容 GPU 环境的本地服务；Ollama 路线目前标为实验性，使用社区 BF16 包。下方整理的是官方 Ollama 与 Demo 路线，不是本站已跑通的安装实测。

保持 Ollama 服务运行，在独立 Python 环境中检查并安装依赖，再打开 http://127.0.0.1:8787。仅 pull 模型不会自动配置官方的预处理与解码设置，应使用仓库 Demo 或 MCP。区域模式还需要 PaddlePaddle、PaddleX 和 PP-DocLayoutV3；整页 OCR、KIE 和 VQA 不需要这套额外布局依赖。

ollama pull longwayxu/xiaomi-ocr-0:bf16
git clone https://github.com/xiaomi-research/Xiaomi-OCR-0.git
cd Xiaomi-OCR-0
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
export XIAOMI_OCR_BACKEND=ollama
export XIAOMI_OCR_MODEL=longwayxu/xiaomi-ocr-0:bf16
export XIAOMI_OCR_LOCAL_URL=http://127.0.0.1:11434/v1
python demo/server.py --port 8787

从收据到 CSV：先设计一条可以复核的记录

先选脱敏且具有代表性的真实样本，不要只用宣传页里的清晰图片。提取前定义 supplier、document_number、invoice_date、currency、subtotal、tax、total 等字段，允许无法辨认的值为 null，明确禁止猜测。保存原图、原始回答与标准化记录，让修改可追溯。

建议试点按供应商或模板划分开发集与未参与调试的测试集，并纳入模糊金额、倾斜拍摄、缺少币种、退款与多页单据。分别统计字段精确匹配和整行完全正确率。九个字段正确但总额错误，依然是一笔失败的业务记录，不能被平均分掩盖。

这些校验应该由程序负责，而不是继续问模型

先解析并验证 JSON 结构，再导出。单据编号保持字符串以免丢失前导零；日期和币种只在含义明确时标准化。金额可按适用币种的最小单位做算术，但须考虑折扣、费用和舍入，不能一看到小计加税不等于总额，就强行改成相等。

CSV 中不可信的字符串还应防范公式前缀被表格程序执行。原始回答留作审计，另生成安全导出版本；这与 OCR 准确率是两个问题。决定是否投产时，同时记录每条合格记录的人工修正分钟数、延迟与转人工比例。

试点应该放进哪些替代方案

布局复杂的文档可以对比 PaddleOCR-VL；高度稳定的表单可以对比传统 OCR 加固定规则；跨文档解释更重要时，再考虑更强的视觉语言模型。这是按工作流选择候选，不是本站独立测试后的质量排名。

各路线使用同一批留出样本、字段定义和验收条件。只有实际硬件上的内存、维护成本和修正工作量合适，小模型才有优势。0.8B 参数不等于完整流程只占某个固定内存，也不能直接推出每页耗时或所有量化后端的兼容性。

本地处理、社区转换与许可边界

模型标注 Apache-2.0，推理框架与附加组件仍有各自条款。想离线运行，应先下载权重和依赖；模型在本机，不等于远端托管演示也保护本地隐私，还要确认图片、日志和临时 PDF 的去向。

官方将 Ollama 标为实验性，其对齐检查只有七个样本，不代表完整基准一致。核查时，模型卡指向的一处社区 GGUF 页面无法访问，因此本文不把该链接列为推荐安装来源。应以当前官方集成说明为准，并记录模型、视觉投影器和运行时版本。手绘图表示「提取后仍须校验」，不是本站生成的成功识别案例。

采用前常见问题

能直接导出可信的 CSV 吗？

模型可以生成文本或结构化字段，但可靠导出还要验证 schema、日期、币种、金额关系、表格安全与异常记录。保留原图和原始回答，以整行通过验收为标准；合法 JSON 不等于内容正确。

官方分数适用于 Ollama 量化包吗？

不能直接套用。原始权重基准和少量 Ollama 对齐样本，不能证明任意社区转换版本的普遍一致性。图片预处理、视觉投影器、运行时与解码设置都可能影响结果，应使用实际部署包重新检查业务样本。

0.8B 是否意味着任何电脑都能离线运行？

参数规模不是通用硬件保证。推理后端兼容性、图片处理、上下文和可选布局模型都会增加要求。先准备必要文件，再核对操作系统支持；官方区分兼容 GPU 服务与实验性 Ollama 路线。

核查资料

• Xiaomi-OCR-0 — model card
• Xiaomi-OCR-0 — runtime and demo instructions
• Xiaomi-OCR-0 — technical report
• Xiaomi-OCR-0 — reproducible evaluation pipeline

继续寻找同类工具

• 效率工具
• 数据分析工具