MiniCPM-OCR 开发工具的新版本支持逐页保存文档识别结果，并默认启用图像方向校正。开发文档处理功能时，可以用同一种结构处理本地结果和在线响应，并将纠正倾斜输入纳入默认处理流程。
1. 逐页结果与在线响应结构对齐
v1.0.4 于 2026 年 11 月 3 日发布。每页的 JSON 文件会额外写入 pages_json/<image_id>.json 路径。其结构与在线文档解析 API 的单页响应保持一致。
响应包含页码、识别内容、文档中识别区域的块列表、旋转信息和用量。本地保存的文件与在线响应具备相同字段，后续程序便更容易共用读取结果的逻辑。
2. 将逐页结果组装为整份文档
新版本增加了指定文件以获取 JSON 的命令，以及组装逐页结果的函数。发布说明指出，它们生成的完整结果与在线异步任务提交请求后返回的结果具有相同结构。这意味着，除了逐页保存，还提供了可一次处理整份文档的输出。
minicpmvocr parse --json FILE
assemble_document_json()第一行是处理指定文件的命令，第二行是组装函数的名称。后处理流程可以按任务需要安排：逐页传递时使用单页文件，传递整份文档时使用组装后的结果。
3. 统一记录块状态与旋转信息
块状态值统一为四种。识别失败和缺少裁剪图像区域的情况均标记为 failed，具体原因则写入运行日志。关闭印章识别时，印章块会记录为 skipped_seal。
后续程序可以通过状态值查找失败区域，运维人员则可通过日志缩小原因范围。也就是说，失败标记和详细原因分别承担不同角色，需要从不同位置读取。
旋转信息记录在 ocr.rotation 中，遵循与在线响应字段相同的规则。逐页结果中可以同时读取识别区域的状态和方向校正记录，后续整理识别结果的处理程序也就有了固定的检查位置。
4. 自动方向校正同时改变便利性与运行成本
方向校正默认启用，快速入门流程会自动下载 3 个 Paddle 方向校正模型。这样可以省去单独开启旋转功能和准备模型的工作，但运行环境也会增加模型下载和方向校正步骤。
图像较小时会跳过旋转；缺少 paddleocr 时，旋转信息不可用。未安装该模块时，程序不会因报错而中止，而是发出警告并跳过方向校正。
5. 复现评测时明确旋转设置
延续既有评测的开发者，可以先决定保留输入方向，还是自动将其校正。发布说明建议在复现 OmniDocBench 分数时关闭方向校正。需要无旋转结果的处理流程，也可以用以下设置关闭校正。
--set upright.enabled=false使用自动校正的任务，需要在运行环境中考虑模型准备和校正步骤；复现评测的任务，则应采用建议设置。输出结构对齐的变化，应反映在后处理中；改变输入方向的默认行为，则应反映在运行设置中。
v1.0.4 的实质变化，在于增强逐页结果的衔接能力，同时将方向校正纳入默认处理步骤。