在数字化办公席卷全球的今天，文档解析技术已成为企业数字化转型的关键瓶颈。面对海量的合同、报告、论文等文档资料，传统解决方案要么速度缓慢，要么错误百出。5月22日，字节跳动开源的全新文档解析模型Dolphin横空出世，凭借仅322M参数的轻量级架构，在性能上实现了对GPT-4.1、Claude3.5等重量级模型的全面超越！
github: https://github.com/bytedance/Dolphin
在线Demo: http://115.190.42.15:8888/dolphin
下面开始部署指南：
一、安装依赖环境
# 下载代码
git clone https://github.com/ByteDance/Dolphin.git
cd Dolphin
# 创建虚拟环境
conda create -n Dolphin python=3.11
# 激活虚拟环境
conda activate Dolphin
# 安装uv
pip install uv -i https://pypi.tuna.tsinghua.edu.cn/simple/
# 修改numpy版本
先修改requirements.txt文件，否则会报错，报错信息放在了文末：
把numpy==1.24.4 改为 numpy==1.26.0
# 安装requirements.txt依赖包
uv pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
二、下载模型权重
选项A：原始模型格式（基于配置）
从百度云或谷歌驱动器下载，并将它们放在。/checkpoint文件夹中。
百度网盘：
https://pan.baidu.com/share/init?surl=5zcARoX0CTOHKbW8bFZovQ&pwd=9rpx
谷歌云盘：
https://drive.google.com/drive/folders/1PQJ3UutepXvunizZEw-uGaQ0BCzf-mie
选项B：Huggingface模型格式
huggingface模型地址：
https://huggingface.co/ByteDance/Dolphin
魔搭的模型地址：
https://www.modelscope.cn/models/ByteDance/Dolphin
#从Hugging Face Hub下载模型
Git LFS安装
git clone https://huggingface.co/ByteDance/Dolphin ./hf_model
本文采用选项A：原始模型格式，百度网盘下载模型权重，放入checkpoints 目录中；
三、实战测试效果
1、页面级解析（Page-level Parsing）
page_1.jpeg
python demo_page.py --config ./config/Dolphin.yaml --input_path ./demo/page_imgs/page_1.jpeg --save_dir ./results
输出结果：
显存占用量高达15g多；
json和md文件都会生成一份；
python demo_page.py --config ./config/Dolphin.yaml --input_path ./demo/page_imgs --save_dir ./results
运行日志截图：
显存截图：显存占用量最高达到17g；
2、元素级解析（Element-level Parsing）
Using Original Framework (config-based)
# Process a single table image
python demo_element.py --config ./config/Dolphin.yaml --input_path ./demo/element_imgs/table_1.jpeg --element_type table
# Process a single formula image
python demo_element.py --config ./config/Dolphin.yaml --input_path ./demo/element_imgs/line_formula.jpeg --element_type formula
# Process a single text paragraph image
python demo_element.py --config ./config/Dolphin.yaml --input_path ./demo/element_imgs/para_1.jpg --element_type text
# Process a single formula image 显存截图
1、单个段落处理
结果：
2、单个表格处理
结果：
把md文件，在线解析一下看看，表格还原程度如何：
模型解析的md结果：
原始图片的：
结果竟然是正确的，效果很厉害！
3、单行公式处理
结果：
部署中常见的错误：
numpy==1.24.4 与opencv-python==4.11.0.86 版本冲突的报错信息：
and opencv-python==4.11.0.86 depends on numpy>=1.26.0, we can conclude that opencv-python==4.11.0.86 depends on numpy>=1.26.0.
And because you require numpy==1.24.4 and opencv-python==4.11.0.86, we can conclude that your requirements are unsatisfiable.
解决方案：
修改numpy版本先修改requirements.txt文件：
把numpy==1.24.4 改为 numpy==1.26.0
总结：本文手把手教学，从零开始安装Dolphin项目，使用官方示例代码，测试过程中发现，元素级解析显存占用5G左右，页面级解析显存占用到达17G，这个确实令人惊讶，不过看着效果还可以的，尤其是表格解析，挺不错的，快来一起本地部署使用吧！
