edgaras0x4e/deepseek-ocr-2-api

DeepSeek-OCR-2 API

基于 https://huggingface.co/deepseek-ai/DeepSeek-OCR-2 的自托管OCR API，支持处理PDF和多种图片格式，通过REST API返回清晰的Markdown文本输出。

核心功能

• 多格式支持：PDF、PNG、JPG、JPEG、BMP、TIFF、WEBP
• GPU加速：兼容NVIDIA CUDA
• 异步处理：带进度追踪的任务队列
• 高精度：采用先进的DeepSeek-OCR-2模型
• 可选API密钥：内置身份认证机制
• 持久化存储：通过Docker卷实现SQLite数据库持久化

使用场景

• 文档数字化：将纸质扫描件或PDF转换为可编辑的Markdown文本
• 图片文字提取：从照片、截图中快速提取文字内容
• 批量处理：对大量PDF/图片进行自动化OCR处理
• 应用集成：作为后端API为各类业务系统提供OCR服务

部署要求

• 具备约8GB显存的NVIDIA GPU
• 已安装 https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html 的Docker环境

快速启动

创建 docker-compose.yml 文件：

yaml
services:
  deepseek-ocr2:
    image: docker.xuanyuan.run/edgaras0x4e/deepseek-ocr-2-api:latest
    container_name: deepseek-ocr2
    ports:
      - "9713:7860"
    volumes:
      - ocr-data:/data
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
    restart: unless-stopped

volumes:
  ocr-data:

运行容器：

bash
docker compose up -d

API将在 http://localhost:9713 可用，首次启动会下载约6.4GB模型文件。

使用方法

提交任务：

bash
curl -X POST http://localhost:9713/ocr -F "file=@document.pdf"

响应示例：

json
{
  "job_id": "abc123...",
  "filename": "document.pdf",
  "status": "queued"
}

查询状态：

bash
curl http://localhost:9713/ocr/{job_id}

获取结果：

bash
curl http://localhost:9713/ocr/{job_id}/result

API接口

配置说明

通过环境变量自定义配置：

yaml
environment:
  - API_KEY=your-secret-key   # 可选，启用API认证
  - OCR_DPI=300               # OCR处理分辨率
  - DB_PATH=/data/ocr.db      # 数据库路径
  - UPLOAD_DIR=/data/uploads  # 上传文件存储目录

模型信息

• 模型名称：DeepSeek-OCR-2
• 模型大小：约6.4GB
• 显存需求：约8GB
• 技术架构：基于DeepSeek-VL-v2

链接

• 源代码：https://github.com/Edgaras0x4E/deepseek-ocr-2-api

许可证

MIT ===FULL_DESC===