# Xiaomi-OCR-0

> Документы под локальным разбором: от страниц до полей и ответов

Локальная модель для распознавания PDF и изображений страниц: собирает Markdown с таблицами и формулами, извлекает поля и отвечает на вопросы.

- Что делает: распознаёт и разбирает документы
- Категории: MCP и Скиллы, Инструменты разработчика
- Модели: Xiaomi-OCR-0
- Сайт сервиса: https://github.com/SeerRay-Lab/Xiaomi-OCR-0
- Карточка в каталоге: https://ailibri.com/xiaomi-ocr-0
- Обновлено: 2026-10-11

## Описание

Xiaomi-OCR-0 — локально запускаемая мультимодальная модель для распознавания текста и разбора документов. Она подойдёт пользователям и разработчикам, которым нужно обрабатывать PDF и изображения страниц, извлекать данные или задавать вопросы по содержимому документов. Результатом могут быть структурированный Markdown, JSON с запрошенными полями или ответ на вопрос.
Модель работает как с целой страницей, так и с выделенными областями документа; фрагменты можно обрабатывать параллельно. Например, страница с таблицей и формулой может превратиться в Markdown с HTML-таблицей и записью формулы в LaTeX. Для извлечения полей можно указать, какие именно данные нужны, а режим вопросов поможет получить ответ по тексту и содержимому изображения.

- Разбирает страницы в структурированный Markdown.

- Сохраняет таблицы в HTML, а формулы — в LaTeX.

- Извлекает запрошенные поля в JSON.

- Отвечает на вопросы по документам.

- Обрабатывает целые страницы и выделенные области.

- Поддерживает пакетную обработку.

Попробовать модель можно через локальную браузерную демонстрацию; она поддерживает английский и китайский языки интерфейса. Для подключения к агентским сценариям предусмотрены Agent Skill и локальный MCP-сервис, а для инференса можно выбрать SGLang или vLLM. Браузерная демонстрация с ними запускается и без Agent Skill или MCP-сервера.
Для ручной установки нужен Python 3.10 или новее. Обработка целых страниц не требует дополнительных компонентов обнаружения областей, а для режима областей понадобятся PaddlePaddle, PaddleX и веса PP-DocLayoutV3; доступность такой среды зависит от платформы. Если документ содержит рукописный текст, каллиграфию или нестандартную компоновку, рекомендуется разбирать страницу целиком: неверные границы областей могут лишить модель контекста. Совместимость среды инференса тоже стоит проверить заранее, особенно на macOS и оборудовании без NVIDIA. Сведения о цене в досье не установлены.

## Похожие сервисы в каталоге

- [OpenMemory](https://ailibri.com/openmemory): OpenMemory — MCP-слой памяти для Cursor, VS Code и других AI-агентов. Автоматически сохраняет и подставляет контекст, предпочтения и паттерны кода по проектам.
- [YouTube Skills](https://ailibri.com/youtube-skills): Навыки YouTube для ИИ-агентов: транскрипты видео, поиск, данные каналов и плейлистов через API. Работает с OpenClaw, Hermes Agent и Claude Code.
- [Inspo MCP](https://ailibri.com/inspo-mcp): Архив из 832 реальных production-сайтов и 2320 экранов живых продуктов: референсные компоненты и DESIGN.md — подключается к AI-агенту через MCP-сервер.
- [Claude Commerce Agents](https://ailibri.com/claude-commerce-agents): Открытый референсный репозиторий Anthropic: каркас покупательского и торгового агентов на Claude, четыре демо-вертикали и плагин для Claude Code.
- [Sepia](https://ailibri.com/sepia): Устраняйте признаки ИИ в текстах: восстановление нарративной структуры для прозы и правила под формат для релиз-ноутов, PR-ответов, постмортемов и статей.
- [Remotion Agent Skills](https://ailibri.com/remotion-agent-skills): Набор Agent Skills от команды Remotion: слэш-команды для Claude Code, Codex, Kimi Code и Cursor. Установка одной командой npx skills add remotion-dev/skills.

---
Источник: AILibri — каталог нейросетей и ИИ-инструментов, https://ailibri.com