作者代码简单说大家好我是代码简单说。小米开源了一个只有 0.8B 参数的 OCR 视觉模型Xiaomi-OCR-0别看它个头小文档解析、表格还原、数学公式、手写字、看图问答全都在行。但它默认以 Ollama / HuggingFace 权重发布普通 Windows 用户想跑起来要装 Python、装 Ollama、拉模型、配环境变量门槛不低。我把整套环境打包成了一个开箱即用的 Windows 整合包免安装、免配置、完全离线解压后双击一个 bat 就能用小白也能三步上手。本文给出下载地址、启动教程、功能清单和 API 调用示例全文无套路建议先收藏再看。下载地址整合包下载地址https://share.wangpanso.cn/s/vsyhct项目说明包名Xiaomi-OCR-0-win64-整合包.zip压缩包大小约 3.1 GB解压后约 4.2 GB适用系统Windows 10 / 11 64 位是否需要联网下载后完全离线运行数据不出电脑一、Xiaomi-OCR-0 是什么Xiaomi-OCR-0 是小米开源的轻量级全能文档理解模型参数量仅 0.8B底座为 Qwen3.5单张 8GB 显存的消费级显卡就能跑甚至纯 CPU 也能出结果慢一些。它的能力覆盖一张图里几乎所有的文字场景文档解析整页内容转 Markdown按阅读顺序输出表格还原把图片里的表格还原成可编辑表格OTSL 结构公式识别数学公式直接转 LaTeX论文截图秒变可复现公式手写识别古籍、行书这类难啃的手写体也能认图像问答VQA直接问这张单据的总金额是多少它给答案字段提取KIE按日期、商户、总额这样的字段抓信息直接出 JSON。二、整合包里有什么整合包 便携版 Python 3.12 便携版 Ollama bf16 模型权重 WebUI 服务全部组件都在包内不依赖系统里装没装 Python 或 Ollama也不会污染系统环境。Xiaomi-OCR-0/ ├─ 启动小米OCR.bat ← 双击这一个就够了 ├─ 使用说明.txt ├─ launcher.py ← 一键启动器 ├─ watchdog.py ← 退出自动清理服务 ├─ app\demo\ ← WebUI 与 HTTP API 服务 ├─ runtime\ ← 便携版 Python 3.12 ├─ ollama\ ← 便携版 Ollama └─ models\ ← 模型权重已打好补丁免下载几个贴心细节端口自动避让Ollama 用 11434-11438、WebUI 用 8787-8792被占用就自动换下一个不和已有服务打架关闭窗口即全部停止启动器带看门狗进程关掉 bat 窗口、甚至直接强杀进程Ollama 和 WebUI 都会被自动清干净不留后台残留浏览器自动打开服务就绪后自动弹出工作台页面。三、三步跑起来第 1 步解压。把 zip 解压到任意目录路径建议不要太深、尽量不要带特殊字符。第 2 步双击「启动小米OCR.bat」。黑窗口会依次启动 Ollama 和 WebUI 服务首次启动加载模型约需十几秒。第 3 步浏览器自动打开工作台点击左侧画面选一张图或 PDF选完自动开始识别结果实时流式输出到右侧可以直接复制或下载 Markdown。界面完全为小白设计底部三个内置样例购物小票、论文公式、行书千字文点一下就换图重新解析解析中右上方会出现红色「停止解析」按钮按 Esc 也行停止后已识别的部分内容会保留顶栏实时显示内存与显存占用低频刷新不抢性能解析提示词支持自定义满足高级玩法。四、识别效果实测论文公式截图里密密麻麻的多行推导识别后直接是渲染好的 LaTeX复制进 Typora / Word 公式编辑器就能用手写古籍行书《千字文》竖排手写也认得出来实测耗时参考8GB 显卡小票类图片 1-3 秒密集公式页 15-20 秒PDF 整本解析支持多页并发。除了图像整合包还支持整本 PDF 解析选一个 PDF 文件它会逐页渲染并识别自动拼成一份完整 Markdown带进度条中途可停止。五、API 调用把 OCR 接进你自己的程序WebUI 不只是个页面它同时是一个本地 HTTP API 服务已开 CORS浏览器访问http://127.0.0.1:8787/docs有完整中文文档页常用接口一眼看懂POST /api/ocr图像识别、POST /api/ocr/stream流式、POST /api/bookPDF 整本、GET /api/health状态。三个可直接复制的调用示例Windows PowerShell$b64[Convert]::ToBase64String([IO.File]::ReadAllBytes(demo.png))$rInvoke-RestMethodhttp://127.0.0.1:8787/api/ocr-Method Post -ContentTypeapplication/json-Body({image_base64:$b64,task:document})$r.contentPythonrequestsimportbase64,requests imgbase64.b64encode(open(demo.png,rb).read()).decode()rrequests.post(http://127.0.0.1:8787/api/ocr,json{image_base64:img,task:document,# document / kie / vqa})print(r.json()[content])OpenAI SDK 兼容整合包的 Ollama 暴露了 OpenAI 兼容接口用 openai 库直接连 11434 端口就能当多模态模型用fromopenaiimportOpenAI clientOpenAI(base_urlhttp://127.0.0.1:11434/v1,api_keyollama)respclient.chat.completions.create(modellongwayxu/xiaomi-ocr-0:bf16,messages[{role:user,content:[{type:text,text:提取这张图里的全部文字},{type:image_url,image_url:{url:data:image/png;base64,你的base64}},]}],)print(resp.choices[0].message.content)做 RAG 知识库、批量票据归档、自动化脚本都可以直接拿这套接口当本地 OCR 引擎。六、常见问题FAQ1. 没有独立显卡能跑吗能。模型会自动回退到 CPU 内存推理速度慢一些单张图十几秒到几十秒功能完全一样。内存建议 16GB 起。2. 双击 bat 后窗口一闪就没了多半是 11434-11438、8787-8792 端口全被占用或杀毒软件拦截了。先关掉冲突程序、把包目录加入杀软白名单再试窗口里会有中文提示。3. 怎么彻底停止服务直接关闭 bat 窗口即可。即使窗口被强杀看门狗也会在几秒内清掉全部子进程不会留后台占显存。4. 数据会上传吗不会。识别全部在本机完成服务只绑定 127.0.0.1不暴露到局域网离线状态也能正常用。5. 端口显示的不是 8787默认从 8787 起自动找空闲端口实际地址以 bat 窗口里「已就绪」那行提示为准。七、总结小米开源的Xiaomi-OCR-00.8B以小博大文档、表格、公式、手写、看图问答一体搞定本文的Windows 整合包免配置、完全离线解压 → 双击 bat → 自动开浏览器三步用起来WebUI 面向小白样例点击换图、自动解析、可停止、显存内存可视同时内置本地 HTTP API/docs有中文文档PowerShell / Python / OpenAI SDK 都能直接调下载地址 https://share.wangpanso.cn/s/vsyhct失效可在评论区留言我会补新链接。模型版权归小米开源项目所有整合包只是帮你省去配环境的功夫。觉得有用的话点个赞、收藏一下再走。用的过程中遇到任何问题评论区见。 
长河君 · 2026/11/2 1:59:34 · 阅读 1.2k Xiaomi-OCR-0整合包下载：Windows免配置一键启动，离线OCR+WebUI_小米OCR整合包
作者代码简单说大家好我是代码简单说。小米开源了一个只有 0.8B 参数的 OCR 视觉模型Xiaomi-OCR-0别看它个头小文档解析、表格还原、数学公式、手写字、看图问答全都在行。但它默认以 Ollama / HuggingFace 权重发布普通 Windows 用户想跑起来要装 Python、装 Ollama、拉模型、配环境变量门槛不低。我把整套环境打包成了一个开箱即用的 Windows 整合包免安装、免配置、完全离线解压后双击一个 bat 就能用小白也能三步上手。本文给出下载地址、启动教程、功能清单和 API 调用示例全文无套路建议先收藏再看。下载地址整合包下载地址https://share.wangpanso.cn/s/vsyhct项目说明包名Xiaomi-OCR-0-win64-整合包.zip压缩包大小约 3.1 GB解压后约 4.2 GB适用系统Windows 10 / 11 64 位是否需要联网下载后完全离线运行数据不出电脑一、Xiaomi-OCR-0 是什么Xiaomi-OCR-0 是小米开源的轻量级全能文档理解模型参数量仅 0.8B底座为 Qwen3.5单张 8GB 显存的消费级显卡就能跑甚至纯 CPU 也能出结果慢一些。它的能力覆盖一张图里几乎所有的文字场景文档解析整页内容转 Markdown按阅读顺序输出表格还原把图片里的表格还原成可编辑表格OTSL 结构公式识别数学公式直接转 LaTeX论文截图秒变可复现公式手写识别古籍、行书这类难啃的手写体也能认图像问答VQA直接问这张单据的总金额是多少它给答案字段提取KIE按日期、商户、总额这样的字段抓信息直接出 JSON。二、整合包里有什么整合包 便携版 Python 3.12 便携版 Ollama bf16 模型权重 WebUI 服务全部组件都在包内不依赖系统里装没装 Python 或 Ollama也不会污染系统环境。Xiaomi-OCR-0/ ├─ 启动小米OCR.bat ← 双击这一个就够了 ├─ 使用说明.txt ├─ launcher.py ← 一键启动器 ├─ watchdog.py ← 退出自动清理服务 ├─ app\demo\ ← WebUI 与 HTTP API 服务 ├─ runtime\ ← 便携版 Python 3.12 ├─ ollama\ ← 便携版 Ollama └─ models\ ← 模型权重已打好补丁免下载几个贴心细节端口自动避让Ollama 用 11434-11438、WebUI 用 8787-8792被占用就自动换下一个不和已有服务打架关闭窗口即全部停止启动器带看门狗进程关掉 bat 窗口、甚至直接强杀进程Ollama 和 WebUI 都会被自动清干净不留后台残留浏览器自动打开服务就绪后自动弹出工作台页面。三、三步跑起来第 1 步解压。把 zip 解压到任意目录路径建议不要太深、尽量不要带特殊字符。第 2 步双击「启动小米OCR.bat」。黑窗口会依次启动 Ollama 和 WebUI 服务首次启动加载模型约需十几秒。第 3 步浏览器自动打开工作台点击左侧画面选一张图或 PDF选完自动开始识别结果实时流式输出到右侧可以直接复制或下载 Markdown。界面完全为小白设计底部三个内置样例购物小票、论文公式、行书千字文点一下就换图重新解析解析中右上方会出现红色「停止解析」按钮按 Esc 也行停止后已识别的部分内容会保留顶栏实时显示内存与显存占用低频刷新不抢性能解析提示词支持自定义满足高级玩法。四、识别效果实测论文公式截图里密密麻麻的多行推导识别后直接是渲染好的 LaTeX复制进 Typora / Word 公式编辑器就能用手写古籍行书《千字文》竖排手写也认得出来实测耗时参考8GB 显卡小票类图片 1-3 秒密集公式页 15-20 秒PDF 整本解析支持多页并发。除了图像整合包还支持整本 PDF 解析选一个 PDF 文件它会逐页渲染并识别自动拼成一份完整 Markdown带进度条中途可停止。五、API 调用把 OCR 接进你自己的程序WebUI 不只是个页面它同时是一个本地 HTTP API 服务已开 CORS浏览器访问http://127.0.0.1:8787/docs有完整中文文档页常用接口一眼看懂POST /api/ocr图像识别、POST /api/ocr/stream流式、POST /api/bookPDF 整本、GET /api/health状态。三个可直接复制的调用示例Windows PowerShell$b64[Convert]::ToBase64String([IO.File]::ReadAllBytes(demo.png))$rInvoke-RestMethodhttp://127.0.0.1:8787/api/ocr-Method Post -ContentTypeapplication/json-Body({image_base64:$b64,task:document})$r.contentPythonrequestsimportbase64,requests imgbase64.b64encode(open(demo.png,rb).read()).decode()rrequests.post(http://127.0.0.1:8787/api/ocr,json{image_base64:img,task:document,# document / kie / vqa})print(r.json()[content])OpenAI SDK 兼容整合包的 Ollama 暴露了 OpenAI 兼容接口用 openai 库直接连 11434 端口就能当多模态模型用fromopenaiimportOpenAI clientOpenAI(base_urlhttp://127.0.0.1:11434/v1,api_keyollama)respclient.chat.completions.create(modellongwayxu/xiaomi-ocr-0:bf16,messages[{role:user,content:[{type:text,text:提取这张图里的全部文字},{type:image_url,image_url:{url:data:image/png;base64,你的base64}},]}],)print(resp.choices[0].message.content)做 RAG 知识库、批量票据归档、自动化脚本都可以直接拿这套接口当本地 OCR 引擎。六、常见问题FAQ1. 没有独立显卡能跑吗能。模型会自动回退到 CPU 内存推理速度慢一些单张图十几秒到几十秒功能完全一样。内存建议 16GB 起。2. 双击 bat 后窗口一闪就没了多半是 11434-11438、8787-8792 端口全被占用或杀毒软件拦截了。先关掉冲突程序、把包目录加入杀软白名单再试窗口里会有中文提示。3. 怎么彻底停止服务直接关闭 bat 窗口即可。即使窗口被强杀看门狗也会在几秒内清掉全部子进程不会留后台占显存。4. 数据会上传吗不会。识别全部在本机完成服务只绑定 127.0.0.1不暴露到局域网离线状态也能正常用。5. 端口显示的不是 8787默认从 8787 起自动找空闲端口实际地址以 bat 窗口里「已就绪」那行提示为准。七、总结小米开源的Xiaomi-OCR-00.8B以小博大文档、表格、公式、手写、看图问答一体搞定本文的Windows 整合包免配置、完全离线解压 → 双击 bat → 自动开浏览器三步用起来WebUI 面向小白样例点击换图、自动解析、可停止、显存内存可视同时内置本地 HTTP API/docs有中文文档PowerShell / Python / OpenAI SDK 都能直接调下载地址 https://share.wangpanso.cn/s/vsyhct失效可在评论区留言我会补新链接。模型版权归小米开源项目所有整合包只是帮你省去配环境的功夫。觉得有用的话点个赞、收藏一下再走。用的过程中遇到任何问题评论区见。