DeepSeek.OCR2 0.3.9

DeepSeek.OCR2 (.NET / NuGet)

DeepSeek.OCR2 是一个高性能 OCR 识别库，基于 DeepSeek-OCR-2 模型构建，提供简洁的 .NET API 接口。

• DeepSeekOcr2 / DeepSeekOcr2Session：一键启动/复用服务的便捷入口
• DeepSeekOcr2Client：执行 OCR 识别的客户端
• DeepSeekOcr2LocalServer：本地服务管理器（自动处理依赖和模型加载）

安装

推荐使用 DeepSeek.OCR2 包（自动包含所需依赖）：

dotnet add package DeepSeek.OCR2

或者使用核心包（更小的包体，首次运行会自动下载所需组件）：

dotnet add package DeepSeek.OCR2.Core

可用包说明

• DeepSeek.OCR2.Core：核心客户端 + 自动环境配置（默认在线安装依赖）
• DeepSeek.OCR2：完整包 = Core + 离线资产包（Python / wheels / 模型）
• DeepSeek.OCR2.Assets.Python.win-x64：Windows 便携 Python 环境（可选）
• DeepSeek.OCR2.Assets.Wheels.win-x64：离线依赖包（可选）
• DeepSeek.OCR2.Assets.Model：模型快照（可选）
• DeepSeek.OCR2.Bundled：单包全量离线版本（包体较大，适合私有源）

先决条件

• Windows：无需预装 Python，首次运行会自动配置所需环境
• Linux/macOS：建议预装 Python 3.10+
• 首次运行：会自动下载模型和依赖项，请耐心等待

快速开始

基本使用

识别一张图片：

using DeepSeek.OCR2;

var result = await DeepSeekOcr2.RecognizeFileAsync(@"D:\test.jpg");
Console.WriteLine(result.Text);

复用会话（性能更优）

多次调用时复用模型实例，速度更快：

using DeepSeek.OCR2;

await using var session = await DeepSeekOcr2.CreateSessionAsync();

var request = DeepSeekOcr2Request.FromFile(@"D:\test.jpg") with 
{
    Prompt = "<image>\nFree OCR."
};

var result = await session.Client.RecognizeAsync(request);
Console.WriteLine(result.Text);

常用配置

基础配置示例

using System;
using DeepSeek.OCR2;

var options = new DeepSeekOcr2LocalServerOptions
{
    // 设备选择："cpu" 或 "cuda"
    Device = "cpu",
    
    // 计算精度："float32" 或 "float16"
    DType = "float32",
    
    // 超时设置
    OcrRequestTimeout = TimeSpan.FromMinutes(30),
};

await using var session = await DeepSeekOcr2.CreateSessionAsync(options);
var result = await session.Client.RecognizeAsync(
    DeepSeekOcr2Request.FromFile(@"D:\test.jpg")
);

超时设置

• OcrRequestTimeout：单次 OCR 请求超时（默认 30 分钟）
• BootstrapDownloadTimeout：首次启动时下载组件的超时时间
• StartupTimeout：等待服务启动的超时时间

性能优化

GPU 加速（需要 CUDA 环境）：

var options = new DeepSeekOcr2LocalServerOptions
{
    Device = "cuda",           // 使用 GPU
    DType = "float16",         // 降低显存占用
};

高级配置

自定义模型和端口：

var options = new DeepSeekOcr2LocalServerOptions
{
    ModelName = "deepseek-ai/DeepSeek-OCR-2",  // 模型名称
    Host = "localhost",                         // 监听地址
    Port = 0,                                   // 0=自动找空闲端口
};

离线模式：

var options = new DeepSeekOcr2LocalServerOptions
{
    OfflineWheelDirectory = @"C:\wheels",       // 离线依赖目录
    PreferOfflineWheels = true,                 // 强制使用离线依赖
};

配置模板（contentFiles）

Core 包会把默认配置模板拷贝到引用方输出目录：

• DeepSeek.OCR2/templates/deepseek-ocr2.defaults.json

离线/资产包的运行时行为

只要你的输出目录下存在这些路径（由 DeepSeek.OCR2 meta 包或 DeepSeek.OCR2.Bundled 自动拷贝），运行时会自动优先使用离线资源：

• DeepSeek.OCR2/bundled/python/.../python.exe 存在：优先使用随包 Python，不再下载
• DeepSeek.OCR2/bundled/wheels/win-x64/*.whl 存在：自动作为离线 wheel 源（--find-links）
• DeepSeek.OCR2/bundled/models/DeepSeek-OCR-2 存在且包含模型文件：当 ModelName 为默认值时，自动改为加载该离线目录

目录结构（会被打入 .nupkg 并在引用方输出目录自动复制到 DeepSeek.OCR2/bundled/）：

• dotnet/src/DeepSeek.OCR2/Bundled/python/<rid>/<version>/...
• dotnet/src/DeepSeek.OCR2/Bundled/wheels/<rid>/*.whl
• dotnet/src/DeepSeek.OCR2/Bundled/models/DeepSeek-OCR-2/...

准备 bundled 资产（会下载大量内容）：

pwsh .\dotnet\bundle\prepare-bundled-assets.ps1 -TorchPreset cpu -ModelId deepseek-ai/DeepSeek-OCR-2

随后打包：

pwsh .\dotnet\pack.ps1 -PackBundled

故障排查

首次运行很慢

首次启动需要下载模型和依赖项，可能需要较长时间。后续运行将直接使用本地缓存，速度会快很多。

如果担心超时，可以调大超时时间：

var options = new DeepSeekOcr2LocalServerOptions
{
    OcrRequestTimeout = TimeSpan.FromMinutes(60),
};

内存不足错误

调试时如遇到内存相关错误提示：

• 关闭"启用诊断工具 (调试时)"
• 或先用 Ctrl+F5 跑通首次启动，再附加调试

GPU 相关问题

如果设置 Device="cuda" 但报错，可能是因为：

• 当前环境没有安装 CUDA 版本的依赖
• 解决方法：改用 Device="cpu" 或使用完整包自动配置 CUDA 环境

工作原理

DeepSeek.OCR2 在本地启动一个优化的推理服务，.NET 客户端通过本地 HTTP 接口调用：

• 自动配置：首次运行自动准备环境和依赖
• 智能缓存：模型和依赖缓存在本地，后续离线使用
• 进程复用：session 模式可复用模型实例，大幅提升性能
• 健康检查：自动检测服务状态，确保可用性

HTTP 接口：

• GET /health：健康检查
• POST /ocr：执行 OCR 识别

仓库维护者：本地打包 / 发布到 nuget.org

打包（输出到 dotnet/artifacts/）：

pwsh .\dotnet\pack.ps1 -Configuration Release -Output artifacts

发布（推荐，脚本会打包、推送，并把内部依赖包设为 unlisted）：

$env:NUGET_API_KEY = "<your-nuget-api-key>"
pwsh .\dotnet\publish-nuget.ps1 -Version x.y.z

如你在“系统环境变量/用户环境变量”里设置了 NUGET_API_KEY（或用 setx），需要重启当前终端/Visual Studio 才会生效。 如果 unlist 阶段返回 403，通常是 API Key 缺少 Unlist 权限，或当前账号不是这些包的 Owner。

跳过发布超大 bundled 包：

pwsh .\dotnet\publish-nuget.ps1 -Version x.y.z -IncludeBundled:$false

只推送（不做 unlist、不自动 pack，适合你自己控制流程）：

$env:NUGET_API_KEY = "<your-nuget-api-key>"
pwsh .\dotnet\push.ps1

GitHub Actions 自动发布：

• 在仓库 Secrets 配置 NUGET_API_KEY
• 推送 tag v* 会触发发布工作流

git tag v0.3.8
git push origin v0.3.8

许可证与归属

• 本项目基于 DeepSeek-OCR-2 模型构建
• 上游项目许可证：Apache License 2.0
• 本封装项目地址：https://github.com/ichichchch/DeepSeekOCR2.NET