DeepSeek.OCR2 0.2.0

DeepSeek.OCR2 (.NET / NuGet) 封装说明

这个 NuGet 包提供两层封装：

1. DeepSeekOcr2LocalServer：从包内释放一个轻量 Python HTTP Server 脚本并启动子进程（模型只加载一次，便于多次调用）。
2. DeepSeekOcr2Client：通过 HTTP 调用 POST /ocr 执行 OCR 推理。

先决条件

• Windows：无需预装 Python。本包默认会在首次运行时自动下载便携版 Python（默认 3.10.11）并引导 pip/venv。
• Linux/macOS：建议预装 Python 3.10+（或手动指定 PythonExecutablePath）。
• 推理依赖（torch/transformers 等）默认会在首次运行时自动创建 venv 并安装（CPU 预设）；也支持离线 wheels（见下文）。
• 如果希望更快推理，可按上游说明安装 flash-attn（否则服务端会自动降级）。

依赖“打包/自带”能做到什么

• 纯把 torch / CUDA / flash-attn 这类依赖“直接塞进 NuGet”在体积和平台适配上不现实（Windows/Linux、CPU/CUDA 版本差异、wheel 很大）。
• 这里提供的折中方案是：NuGet 内置 requirements 列表，启动时可选 自动创建 venv + pip 安装依赖（仍然需要你机器上有 Python；安装 torch 可能需要网络/指定镜像/指定 CUDA 轮子）。

许可证与归属

• 上游仓库 DeepSeek-OCR-2 的许可证为 Apache License 2.0（见仓库根目录 LICENSE.txt）。
• 本 NuGet 包仅做 .NET 调用封装与启动脚本分发，不包含模型权重；模型与其使用条款请以 deepseek-ai/DeepSeek-OCR-2（HuggingFace/上游仓库）为准。
• 本封装仓库地址：https://github.com/ichichchch/DeepSeekOCR2.NET

最小用法（启动本地服务 + 调用 OCR）

using DeepSeek.OCR2;

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

如需复用同一个模型进程（多次调用更快）：

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);

Torch 自动安装选项

• TorchInstallPreset
  • Cpu：按 PyTorch 官方 CPU 索引安装（默认）
  • None：不安装 torch（适合你自行管理 Python 环境）
  • Cuda118：按 PyTorch 官方 cu118 索引安装（与本仓库 README 示例一致）
• OfflineWheelDirectory：指定离线 wheel 目录（会传给 pip：--find-links <dir>）
• PreferOfflineWheels：为 true 时额外加 --no-index（强制只从离线目录找）
• TorchVersion/TorchVisionVersion/TorchAudioVersion：默认 2.6.0/0.21.0/2.6.0，可自行改

目标框架

• DeepSeek.OCR2：netstandard2.0 / net6.0 / net8.0 / net10.0

发布到 nuget.org（建议）

• Owners：nuget.org 的包所有者最终由你上传时使用的账号/组织决定；建议用你的组织账号作为 owner，并通过 nuget.org 后台添加/移除 owners。工程里的 Owners 字段仅作为元数据展示用（不同站点可能忽略）。
• RepositoryBranch/Commit：本包在 CI（GitHub Actions）环境下会自动读取 GITHUB_REF_NAME / GITHUB_SHA 并写入包元数据；也支持在打包命令里显式覆盖：
  • dotnet pack -p:RepositoryBranch=main -p:RepositoryCommit=<commitSha>
• 自动发布（GitHub Actions）：
  • 在仓库 Secrets 添加 NUGET_API_KEY（nuget.org 生成的 API Key）
  • 推送 tag v*（例如 v0.1.7）会触发发布工作流 nuget-publish

本地打包/推送

• 打包：pwsh .\pack.ps1（输出到 dotnet/artifacts/）
• 推送：pwsh .\push.ps1 -ApiKey <key>（可用 -Source 指向私有 NuGet 源）

HTTP 协议

• GET /health：健康检查（返回 { "ok": true }）
• POST /ocr：JSON 请求体（关键字段）
  • image_base64：图片内容（Base64）
  • prompt：提示词（需要包含 <image>）
  • output_dir：可选，输出目录
  • base_size / image_size / crop_mode / save_results：与官方 model.infer 参数一致