---
title: mineru-ov-models
canonical_url: "https://www.modelscope.cn/models/Crystal2020/mineru-ov-models"
md_url: "https://www.modelscope.cn/models/Crystal2020/mineru-ov-models.md"
repository: Crystal2020/mineru-ov-models
last_updated: 2026-06-01
license: "Apache License 2.0"
pipeline_tag: ocr-detection
tasks:
  - ocr-detection
  - ocr-recognition
  - visual-question-answering
base_model:
  - OpenDataLab/PDF-Extract-Kit-1.0
base_model_relation: quantized
library_name:
  - openvino
frameworks:
  - OpenVINO
language:
  - cn
  - en
  - multilingual
domain:
  - multi-modal
downloads: 140
stars: 0
tags:
  - MinerU
  - OpenVINO
  - document-understanding
  - PDF-parsing
  - INT4-quantization
  - AWQ-quantization
  - Qwen2-VL
---

# mineru-ov-models

> mineru-ov-models - Crystal2020 在 ModelScope 开源的模型。MinerU OV Models — OpenVINO IR 模型集合

Crystal2020/mineru-ov-models 是 ModelScope 魔搭社区上的ocr-detection、ocr-recognition、visual-question-answering模型，采用 Apache License 2.0 许可，基于 OpenDataLab/PDF-Extract-Kit-1.0 构建。

- **Repository**: Crystal2020/mineru-ov-models
- **License**: Apache License 2.0
- **Tasks**: ocr-detection, ocr-recognition, visual-question-answering
- **Base model**: OpenDataLab/PDF-Extract-Kit-1.0
- **Tags**: MinerU, OpenVINO, document-understanding, PDF-parsing, INT4-quantization, AWQ-quantization, Qwen2-VL
- **Downloads**: 140
- **Stars**: 0
- **Last updated**: 2026-06-01

Source: https://www.modelscope.cn/models/Crystal2020/mineru-ov-models

---

# MinerU OV Models — OpenVINO IR 模型集合

本仓库提供 [MinerU2.5-Pro](https://github.com/opendatalab/MinerU) 文档解析系统所需的完整 OpenVINO IR 模型集合，包含VLM backend 和hybrid backend中 VLM 视觉语言模型及相关辅助模型（版面检测、OCR、公式识别），经过 INT4 量化优化，可在 Intel CPU / GPU / NPU 上高效运行。

---

## 模型列表

| 模型 | 用途 | 精度 | 大小 |
|------|------|------|------|
| `MinerU2.5-Pro-2605-1.2B-int4` | VLM 主推理引擎（Qwen2-VL 架构） | INT4 (AWQ) | ~800 MB |
| `PP-DocLayoutV2` | 文档版面分析（标题/段落/表格/图片区域检测） | FP16 | ~20 MB |
| `PP-OCRv5` (det) | 文本区域检测 | FP16 | ~10 MB |
| `PP-OCRv5` (rec) | 文本行识别 | FP16 | ~15 MB |
| `unimernet_hf_small_2503` | 数学公式识别（MFR），输出 LaTeX | FP16 | ~300 MB |

---

## 模型详情

### MinerU2.5-Pro-2605-1.2B-int4

- **基础架构**：Qwen2-VL-1.5B-Instruct
- **量化方式**：AWQ (Activation-aware Weight Quantization)，组大小 128，32 样本校准
- **用途**：文档理解核心引擎，接收页面图像，输出结构化 Markdown / JSON
- **子模型文件**：
  - `openvino_language_model` — 大语言模型（LLM）部分
  - `openvino_vision_embeddings_model` — 视觉编码器（Vision Encoder）
  - `openvino_vision_embeddings_merger_model` — 视觉-语言特征融合投影层
  - `openvino_text_embeddings_model` — 文本嵌入层
  - `openvino_tokenizer / openvino_detokenizer` — 分词器 / 反分词器（已应用 MinerU 补丁）
- **推理方式**：两阶段协议（版面检测 prompt → 内容识别 prompt），与 MinerU 官方一致

### PP-DocLayoutV2

- **来源**：PaddleOCR 套件中的文档版面分析模型
- **用途**：检测页面的版面元素，输出检测框和类别（text / title / table / equation / figure / chart 等）
- **输入**：页面图像（~1036×1036）
- **输出**：边界框坐标 + 类别标签 + 置信度

### PP-OCRv5

- **det**：DB (Differentiable Binarization) 文本检测器，定位图像中文字行区域
- **rec**：CRNN + Attention 文本识别器，将文字行图像转为字符串
- **支持语言**：中英文混合识别，同时支持数字和符号

### unimernet_hf_small_2503

- **用途**：数学公式识别，将公式图像转为 LaTeX 表达式
- **组成**：
  - `encoder` — 视觉编码器（ViT 架构）
  - `unimernet_full` — 编码器-解码器完整推理图

---

## 文件结构

```
ov_models/
├── MinerU2.5-Pro-2605-1.2B-int4/
│   ├── openvino_language_model.{bin,xml}
│   ├── openvino_vision_embeddings_model.{bin,xml}
│   ├── openvino_vision_embeddings_merger_model.{bin,xml}
│   ├── openvino_text_embeddings_model.{bin,xml}
│   ├── openvino_tokenizer.{bin,xml}
│   ├── openvino_detokenizer.{bin,xml}
│   ├── config.json / openvino_config.json / generation_config.json
│   ├── tokenizer.json / tokenizer_config.json / vocab.json / merges.txt
│   ├── added_tokens.json / special_tokens_map.json
│   ├── chat_template.jinja
│   ├── preprocessor_config.json / video_preprocessor_config.json
│   └── .mineru_detokenizer_patched
├── PP-DocLayoutV2/
│   └── PP-DocLayoutV2.{bin,xml}
├── PP-OCRv5/
│   ├── det/det.{bin,xml}
│   └── rec/rec.{bin,xml}
└── unimernet_hf_small_2503/
    ├── encoder.{bin,xml}
    └── unimernet_full.{bin,xml}
```

所有模型均为 OpenVINO IR 格式，每对 `.xml`（网络结构）+ `.bin`（权重）组成一个完整模型。

---

## 使用方法

### 环境要求

```bash
pip install openvino>=2024.5 openvino-genai>=2024.5
```



### SDK 下载

```python
from modelscope import snapshot_download

model_dir = snapshot_download('Crystal2020/mineru-ov-models')
# model_dir 即指向包含上述模型目录的根路径
```

### Git 下载

```bash
git clone https://www.modelscope.cn/Crystal2020/mineru-ov-models.git
```


---

## 设备兼容性

| 设备 | 支持情况 | 说明 |
|------|----------|------|
| Intel CPU | 完整支持 | 自动利用 AVX2/AVX-512 指令集 |
| Intel GPU (Iris/Arc/UHD) | 完整支持 | 需安装 Intel GPU 驱动（推荐使用） |

---


---

## 许可

本项目基于 Apache License 2.0 开源。

模型原始权重来自：
- [Qwen2-VL](https://huggingface.co/Qwen)（Qwen License）
- [PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR)（Apache 2.0）
- [UniMerNet](https://github.com/opendatalab/UniMerNet)（MIT）

---

> 如果您是模型贡献者或发现问题，请在 ModelScope 模型页提交 Issue 或通过 Pull Request 完善本卡片。