大家好，我是 Ai 学习的老章

前文我在【教程】DeepSeek-OCR 本地部署（上）：CUDA 升级 12.9，vLLM 升级至最新稳定版一文中提到，vLLM 0.11.2 稳定版原生支持 DeepSeek-OCR，且兼容 OpenAI API 格式在线推理，操作更便捷。但 vLLM 0.11.1 及以上版本默认要求 CUDA 12.9，需先完成 CUDA 升级。完成升级后，我用最新版 vLLM 本地成功部署了 DeepSeek-OCR，用 Python 写了一个 api_server.py，使其更便捷滴支持本地图片和 PDF 文档

不过说实话，我测试了 N 多题目，DeepSeek-OCR 效果不如更小参数的 PaddleOCR-VL，本文我试了最新版vLLM本地部署显存占用更小的PaddleOCR，验证了api_server.py在简单修改模型名称后依然好用。

1、PaddleOCR 简介

PaddleOCR-VL 是一款面向文档解析的 SOTA 且资源高效的模型。其核心组件为 PaddleOCR-VL-0.9B——一个非常轻量级的视觉语言模型 (VLM)，通过将 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型融合，实现精准的元素识别。

2、PaddleOCR 本地部署

1️⃣ 下载模型文件

pip install modelscope
modelscope download --model PaddlePaddle/PaddleOCR-VL  --local_dir ./PaddleOCR

2️⃣ vLLM Docker 部署 PaddleOCR

docker run -d --rm --runtime=nvidia --name paddle-ocr --ipc=host --gpus '"device=1"' -p 8000:8000 -v /data/llm-models:/models vllm/vllm-openai:v0.11.2 --model /models/PaddleOCR --max-num-batched-tokens 16384 --port 8000  --no-enable-prefix-caching --mm-processor-cache-gb 0 --trust_remote_code

#https://docs.vllm.ai/projects/recipes/en/latest/PaddlePaddle/PaddleOCR-VL.html

我用单卡 4090 跑，显存的占用只有 1.89GB，剩余空间留给了 KV cache

3、API 修改，运行

前文中的 api_server.py 仅需把 DeepSeekOCR 修改为 PaddleOCR 即可

在一个新的终端 中，运行以下命令：

uvicorn api_server:app --host 0.0.0.0 --port 8002

调用方法重复一下

• URL: /models/v1/models/deepseek-ocr/inference
• 方法 (Method): POST
• 内容类型 (Content-Type): multipart/form-data

表单数据参数:

参数	类型	是否必须	描述	默认值
file	文件 (File)	是	需要处理的 PDF (.pdf) 或图像 (.png, .jpg, .jpeg) 文件。	-
prompt	字符串 (String)	否	一个可选的文本提示，用于指导 OCR 模型的输出格式或焦点。	"Convert the document to markdown."

## 示例 1: 处理 PDF 文件
curl -X POST "http://localhost:8002/models/v1/models/PaddleOCR/inference" \
     -F "file=@/path/to/your/report.pdf"

# 示例 2: 处理图像文件
curl -X POST "http://localhost:8002/models/v1/models/PaddleOCR/inference" \
     -F "file=@/path/to/your/receipt.png"


# 示例 3: 使用自定义提示处理文件
curl -X POST "http://localhost:8002/models/v1/models/PaddleOCR/inference" \
     -F "file=@/path/to/your/document.pdf" \
     -F "prompt=将此文档中的所有表格提取为 markdown 格式。"

速度也是超级快

一个强大的开源 OCR 工具，基于 DeepSeek OCR， DeepSeek-OCR 桌面客户端，Windows 用户优先体验