歪んだ書類も補正なしで読み取る小型AIが無償公開、誤字を自動検査するモデルも

ModelBestとOpenBMBは2026年10月31日、文書解析と解析結果の品質評価に特化したオープンソースモデル群「MiniCPM-OCR」を発表した。公開されたのは、エッジ環境での運用に適した13億パラメータの文書解析モデル「MiniCPM-OCR 1.0」と、20億パラメータの品質判定モデル「MiniCPM-OCR Jev」の2種類である。

MiniCPM-OCR 1.0は、スキャン画像や写真撮影、湾曲、傾き、画面キャプチャといった実世界の悪条件を含む文書を、画像の前処理を行わずに読み取ることができる。中国語と英語の混在文書、複雑な数学の数式、罫線のない表などを処理できるほか、領収書や身分証明書、財務諸表から指定された項目を抽出する機能も備える。さらに、DSparkデコード加速技術により処理能力の向上と遅延の削減を図り、大量の文書を扱う組織の計算コスト低減を支援する。

一方のMiniCPM-OCR Jevは、文字認識そのものではなく、元画像と認識結果を照合してテキストや数式、表の信頼度スコアを算出する品質判定モデルである。文字の欠落や誤字、体裁の乱れを検知し、問題のある箇所のみを人による確認に回すことで、従来必要とされていた全ページの目視点検作業を大幅に削減できる。既存の文字認識ワークフローを変更せずに導入可能で、複数のシステムから最も正確な結果を選ぶ用途にも対応する。

MiniCPM-OCRシリーズはGitHubやHugging Face、ModelScopeを通じて提供され、vLLMやllama.cppなどの推論基盤に対応する。また、AMD、Intel、NVIDIA、Apple Mac（Arm）をはじめとする多様なハードウェア環境を初日からサポートしている。