> ## Documentation Index
> Fetch the complete documentation index at: https://novita.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Utilisation de DeepSeek-OCR

## Vue d’ensemble

DeepSeek-OCR est conçu pour les scénarios de reconnaissance de documents et de conversion d’images en texte, repoussant les limites de la compression visuelle et textuelle. Le modèle peut rendre de longs textes sous forme d’images fortement compressées, atteignant une précision OCR de 97 % avec un taux de compression sans perte de 10x et une précision d’environ 60 % avec une compression de 20x.

<Note>
  Ce modèle prend actuellement en charge uniquement les tâches de reconnaissance indépendantes en un seul tour. Il ne prend pas en charge les conversations multi-tours. Une seule image peut être téléversée par requête, et il est fortement recommandé d’utiliser les prompts prédéfinis pour des performances optimales.
</Note>

## Prompts prédéfinis recommandés

```bash theme={"system"}
# Convert the document contents to markdown format
<|grounding|>Convert the document to markdown.

# Perform text recognition on this image
<|grounding|>OCR this image.

# Extract all text without layout consideration
Free OCR.

# Parse any figures or tables in the document
Parse the figure.

# Provide a detailed description of the image content
Describe this image in detail.

# Locate the position of <|ref|>xxxx<|/ref|> in the image
Locate <|ref|>xxxx<|/ref|> in the image.
```

## Exemple d’utilisation

Cet exemple utilise le prompt prédéfini `<|grounding|>OCR this image.` pour effectuer la reconnaissance de texte dans une image.

```python theme={"system"}
from openai import OpenAI

client = OpenAI(
    base_url="https://api.novita.ai/openai",
    api_key="<Your API Key>",
)

response = client.chat.completions.create(
    model="deepseek/deepseek-ocr",
    messages=[
      {
        "role": "user",
        "content": [
          {
            "type": "image_url",
            "image_url": {
              "url": "https://example.com/image.png"
            }
          },
          {
            "type": "text",
            "text": "<|grounding|>OCR this image."
          }
        ]
      }
    ],
    stream=False,
    max_tokens=4096
)

content = response.choices[0].message.content

print(content)
```

Image d’entrée d’exemple :

<Frame>
  <img src="https://mintcdn.com/novitaai/WiqzsYZd3W7VMsVe/guides/images/ocr_input.jpg?fit=max&auto=format&n=WiqzsYZd3W7VMsVe&q=85&s=c9163932898598c1c9f346549fdd6076" alt="Image d’exemple OCR" width="762" height="406" data-path="guides/images/ocr_input.jpg" />
</Frame>

Sortie d’exemple :

```
<|/ref|><|det|>[[37, 48, 279, 140]]<|/det|>
<|ref|>Deploy open-source and specialized models<|/ref|><|det|>[[42, 48, 857, 133]]<|/det|>
<|ref|>smarterandfasterwithsimpleApls.Accessthe<|/ref|><|det|>[[44, 185, 902, 246]]<|/det|>
<|ref|>latest chat, code, image, audio, video models and<|/ref|><|det|>[[41, 291, 945, 370]]<|/det|>
<|ref|>more,ready for production with built-in<|/ref|><|det|>[[40, 407, 756, 488]]<|/det|>
<|ref|>scalability.<|/ref|><|det|>[[39, 515, 232, 606]]<|/det|>
<|ref|>Explore<|/ref|><|det|>[[87, 813, 266, 879]]<|/det|>
<|ref|>Models<|/ref|><|det|>[[289, 816, 432, 878]]<|/det|>
```