DeepSeek-OCR 硬件门槛不高。虽然官方建议使用 RTX 30 系列，但实测 RTX 2060 甚至部分 AMD 核显也能达到可用水平。
也就是说大部分的电脑都能跑。
从拉取模型到识别第一张图
安装 Ollama：
https://ollama.com/download
若此前已安装，则需查询 Ollama 版本号:
Windows 用户打开 CMD 或 PowerShell，macOS 用户打开终端，输入命令:
ollama -v务必确认版本号不低于 v0.13.0，否则请先升级或重新在官方下载最新安装包。
安装 deepseek-ocr 模型：
ollama pull deepseek-ocr模型大小约6.7GB，下载完成后再执行：
ollama list检查列表里是否出现了 deepseek-ocr:latest。
接下来要首次尝试调用模型，这也是大部分小伙伴卡住的地方。
DeepSeek-OCR 在 Ollama 里不支持图形界面或网页上传图片，必须通过命令行来指定文件路径。
命令格式为:
ollama run deepseek-ocr “图片路径\n提示词”比如要识别 D:\OCR目录下的test.jpg，输入:
ollama run deepseek-ocr “D:\OCR\test.jpg\nExtract the text in the image.”如果终端里出现:
Added image ‘D:\OCR\test.jpg’ The text in the image is:XXXX
就说明图片已经被成功解析。我拿官方简介的截图试了一下：
识别结果准确，没有乱码。
再次强调，目前 DeepSeek-OCR 不支持直接通过 Cherry Studio、Open-WebUI 等图形界面上传图片，在 Ollama 中只支持使用命令行调用。
真正的用武之地 - 批量处理
单张图片识别，手机APP就能搞定，DeepSeek-OCR 的真正价值在于本地批量处理。
无论是扫描书籍、发票、合同，还是成摞的纸质文档，只要转成图片，就能在本地一次性完成高质量识别。
而 Ollama 的命令行特性，恰好为自动化和二次开发留下了空间。
① 本地程序批量识别
既然模型能通过命令行稳定输出结果，那我们完全可以写个脚本或程序来批量调用。
考虑到不是所有人都会写代码，我做了一个小工具，选好图片所在的文件夹，就能自动调用Ollama中的DeepSeek-OCR识别全部图片。
下载地址：
https://downloads.ysht.me/DeepSeek-OCR.1.1.260126-1.zip
软件功能简单，一目了然。识别后的文件会以txt格式存放在目标图片目录。
② 转换为本地 API 服务
如果你想把 DeepSeek-OCR 接入其他程序、脚本或者自动化流程，可以把它封装成一个本地 API 服务。
直接运行下面这个程序，开箱即用，不需要任何额外配置，特别适合第一次接触API的朋友。
下载地址：
https://downloads.ysht.me/DeepSeek-OCR-Web.1.2.260126-1.zip
双击运行后，等命令行窗口提示启动成功。
这时程序已经同时开启了网页界面和标准API接口。Web 界面地址主要用于测试效果，API接口则用于程序调用。
根据提示在浏览器里访问对应地址，比如默认的http://127.0.0.1:5000，就能看到 Web 服务页面。
如需使用 API 调用时，只需在提示词中传入对应的数字即可选择上述模式。未正确指定模式时，可能会导致输出结果不符合预期。
API 的基础地址为：
http://127.0.0.1:5000/v1模型名固定为：
deepseek-ocr默认情况下API Key为空，本机使用时不需要鉴权就能直接调用。如果想限制访问，可以自行设置API Key。
要修改端口或设置访问密钥，可以给程序创建快捷方式，在目标路径后追加参数：
--port 8080 --api-key your-key其中端口号和密钥按需替换。
接下来，你可以在各类软件中直接调用 API。
例如，在 Cherry Studio 的"设置-模型服务"里，添加自定义提供商，类型选 OpenAI:
把 API 基础地址填进去，API 密钥留空，添加 DeepSeek-OCR 模型:
这样就能在 Cherry Studio 里用 API 进行图片识别了。
要说明的是：通过API调用时，提示词里要传入一个"modeX"(X为1-5)参数来指定识别模式。
这个设计来自 Ollama 官方对 DeepSeek-OCR 的使用说明，模型预设了5种标准识别模式，网页界面里的模式1-5与API调用时的数字参数完全对应。
mode1 对应“布局识别（Grounding Layout）”；
mode2 为“自由识别（Free OCR）”；
mode3 为“图表解析（Parse Figure）”；
mode4 为“文字提取（Extract Text）”；
mode5 为“转换为 Markdown”。如果没正确指定模式，可能会导致输出结果不符合预期。比如在Cherry Studio里，可以这样用:
进阶使用场景
实际使用中，文字识别往往只是第一步。识别完了之后，我们通常还想进一步加工成可以检索的文档或知识库。
比如扫描对象是一本书、一叠资料或一批连续文档时，单个图片对应的零散识别结果并不适合直接阅读，这就需要对OCR输出做二次处理。
因此我又做了个小工具来解决这个问题:
下载地址：
https://downloads.ysht.me/AI-Text-Merger.1.1.260126-1.zip
在这个工具中我们可以调用 ollama 的本地模型或在线大模型，对 DeepSeek-OCR 的扫描结果进行统一整理、合并与润色的二次加工。
*由于小模型处理长文本的能力有限，建议选择参数量较大的在线大模型
到这里，整个流程就跑通了。
用 Ollama 部署 DeepSeek-OCR，只需要一行命令安装，搭配几个简单的程序，就能完成从识别到实用的全过程。
纸媒时代留下的很多高质量内容，往往因为格式问题躺在那儿没法用。
如果这篇教程能帮你把书架上、抽屉里的资料重新激活，让它们真正为大模型所用，那这期硬菜就算没白出。
最后特别感谢海豚大佬提供的编程支持。使用中遇到问题，或者有新想法，随时评论区交流~
▽▽▽
