1. Einführung in das Tutorial

MinerU 2.5-2509-1.2B ist ein visuelles Sprachmodell, das im September 2025 von OpenDataLab und dem Shanghai AI Lab veröffentlicht wurde und speziell für hochpräzise und effiziente Dokumentenanalyse entwickelt wurde. Es ist die neueste Version der MinerU-Reihe und konzentriert sich auf die Konvertierung komplexer Dokumentformate wie PDFs in strukturierte, maschinenlesbare Daten (z. B. Markdown und JSON). Zugehörige Forschungsarbeiten sind verfügbar. MinerU2.5: Ein entkoppeltes Vision-Language-Modell für effizientes hochauflösendes Dokument-Parsing .

Dieses Tutorial verwendet Ressourcen für eine einzelne RTX 4090-Karte.

2. Projektbeispiele

3. Bedienungsschritte

1. Klicken Sie nach dem Starten des Containers auf die API-Adresse, um die Weboberfläche aufzurufen

2. Anwendungsschritte

Wenn „Bad Gateway“ angezeigt wird, bedeutet dies, dass das Modell initialisiert wird. Da das Modell groß ist, warten Sie bitte etwa 2–3 Minuten und aktualisieren Sie die Seite.

Parameterbeschreibung

• Formelerkennung aktivieren: Ob die Formelerkennung aktiviert werden soll. Wenn diese Option aktiviert ist, erkennt das System mathematische Formeln im Dokument und konvertiert sie in das LaTeX-Format.
• Tabellenerkennung aktivieren: Ob die Tabellenerkennungsfunktion aktiviert werden soll. Wenn diese Option aktiviert ist, erkennt das System die Tabelle im Dokument und konvertiert sie in das HTML-Format.
• Sprache: Wird verwendet, um die Sprache des Dokuments anzugeben. Dies kann die Genauigkeit der OCR verbessern.
• OCR erzwingen: Erzwingen Sie die Aktivierung der OCR-Funktion.

Zitationsinformationen

Die Zitationsinformationen für dieses Projekt lauten wie folgt:

@misc{niu2025mineru25decoupledvisionlanguagemodel,
      title={MinerU2.5: A Decoupled Vision-Language Model for Efficient High-Resolution Document Parsing}, 
      author={Junbo Niu and Zheng Liu and Zhuangcheng Gu and Bin Wang and Linke Ouyang and Zhiyuan Zhao and Tao Chu and Tianyao He and Fan Wu and Qintong Zhang and Zhenjiang Jin and others},
      year={2025},
      eprint={2509.22186},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2509.22186}, 
}