无法正确识别 阿拉伯语

[huanjie]

🔎 Search before asking | 提交之前请先搜索

• I have searched the MinerU Readme and found no similar bug report.
• I have searched the MinerU Issues and found no similar bug report.
• I have searched the MinerU Discussions and found no similar bug report.

🤖 Consult the online AI assistant for assistance | 在线 AI 助手咨询

• I have consulted the online AI assistant but was unable to obtain a solution to the issue.

Description of the bug | 错误描述

根据查的 资料, MinerU支持176种语言识别, 应该 包括 阿拉伯语, 但是 实际情况 是 无法识别

How to reproduce the bug | 如何复现

Operating System Mode | 操作系统类型

Linux

Operating System Version| 操作系统版本

Ubuntu 22.04.5

Python version | Python 版本

3.13

Software version | 软件版本 (mineru --version)

2.0.x

Device mode | 设备模式

cuda

[huanjie]

下面的是 MinerU tool 在 Dify ChatFlow bot里的 output. { "text": "202517/155033 $\\begin{array} { r l r } & { } & { \\frac { \\sum _ { i = 1 } ^ { n } g _ { i } g _ { i } \\log ( 1 ) } { 2 } \\frac { \\sum _ { i = 1 } ^ { n } ( \\sum _ { j = 1 } ^ { n } ( \\sum _ { i = 1 } ^ { n } | x _ { i } | ) ) } { 2 } \\sum _ { i = 1 } ^ { n } \\int _ { \\mathbb { R } ^ { n } } } \\\\ & { } & { \\frac { \\sum _ { i = 1 } ^ { n } ( \\sum _ { i = 1 } ^ { n } | x _ { i } | ) } { 2 } \\sum _ { i = 1 } ^ { 2 0 } 2 5 / 7 / 1 1 5 _ { i } g _ { i } - \\frac { 1 } { 5 } 5 0 3 3 ^ { 2 } \\leq } \\\\ & { } & { \\frac { \\sum _ { i = 1 } ^ { n } ( \\sum _ { j = 1 } ^ { n } | x _ { i } | ) - 1 } { 2 } \\sum _ { i = 1 } ^ { n } g _ { i } \\log ( 1 ) \\delta \\mathrm { - - } \\delta ^ { ( \\sum _ { i = 1 } ^ { n } | x _ { i } | ) } \\delta \\mathrm { - } } \\\\ & { } & { \\mathrm { ~ i ~ n ~ } \\sum _ { i = 1 } ^ { n } \\delta \\mathrm { - } \\delta ^ { ( \\sum _ { i = 1 } ^ { n } | x _ { i } | ) } \\delta \\mathrm { - } \\delta ^ { ( \\sum _ { i = 1 } ^ { n } | x _ { i } | ) } \\delta \\mathrm { - } \\lambda ^ { ( \\sum _ { i = 1 } ^ { n } | x _ { i } | ) } } \\\\ & { } & { \\mathrm { ~ i ~ n ~ } \\sum _ { i = 1 } ^ { n } \\frac { \\delta \\mathrm { - } \\delta ^ { ( \\sum _ { i = 1 } ^ { n } | x _ { i } | ) } } { 2 } \\sum _ { i = 1 } ^ { n } . } \\end{array}$ cycy\n\n$$\n\\begin{array} { r l r } & { \\mathrm { S i g s ~ f o r ~ \\alpha ^ { \\mathrm { 1 } } , ~ t ~ > ~ 0 ~ , ~ \\gamma ~ \\cup ~ \\alpha ~ ^ { \\mathrm { 1 } } ~ , ~ t ~ > ~ 0 ~ , ~ \\gamma ~ \\cup ~ \\alpha ~ ^ { \\mathrm { 1 } } ~ , ~ t ~ > ~ 0 ~ } } \\\\ & { \\mathrm { - i ~ s ~ e ~ - i a b l ~ t - i a b l ~ t - i a b l ~ t - i a b l ~ t - i a b l ~ t - i a b l ~ t ~ \\alpha ~ \\leq ~ 0 ~ } } \\\\ & { \\mathrm { 2 ~ s ~ e ~ - i a b l ~ t - i a b l ~ t ~ \\alpha ~ \\leq ~ 0 ~ , ~ \\gamma ~ \\leq ~ 0 ~ } } \\\\ & { \\mathrm { 3 ~ s ~ e ~ - i a b l ~ t ~ \\alpha ~ \\leq ~ 0 ~ , ~ \\gamma ~ \\leq ~ 0 ~ , ~ \\gamma ~ \\cup ~ \\alpha ~ \\leq ~ 1 ~ , ~ \\gamma ~ \\cup ~ \\alpha ~ \\leq ~ 1 ~ , ~ \\gamma ~ } } \\\\ & { \\mathrm { - i a b l ~ t - i a b l ~ t - i a b l ~ t ~ \\alpha ~ \\leq ~ 0 ~ } } \\\\ & { \\mathrm { - i a b l ~ t - i a b l ~ t - i a b l ~ t ~ \\alpha ~ \\leq ~ 0 ~ } } \\\\ & { \\mathrm { - i a b l ~ t - i a b l ~ t - i a b l ~ t ~ \\alpha ~ \\leq ~ 0 ~ } } \\end{array}\n$$", "files": [], "json": [ { "content_list": "[\n {\n \"type\": \"text\",\n \"text\": \"202517/155033 $\\\\begin{array} { r l r } & { } & { \\\\frac { \\\\sum _ { i = 1 } ^ { n } g _ { i } g _ { i } \\\\log ( 1 ) } { 2 } \\\\frac { \\\\sum _ { i = 1 } ^ { n } ( \\\\sum _ { j = 1 } ^ { n } ( \\\\sum _ { i = 1 } ^ { n } | x _ { i } | ) ) } { 2 } \\\\sum _ { i = 1 } ^ { n } \\\\int _ { \\\\mathbb { R } ^ { n } } } \\\\\\\\ & { } & { \\\\frac { \\\\sum _ { i = 1 } ^ { n } ( \\\\sum _ { i = 1 } ^ { n } | x _ { i } | ) } { 2 } \\\\sum _ { i = 1 } ^ { 2 0 } 2 5 / 7 / 1 1 5 _ { i } g _ { i } - \\\\frac { 1 } { 5 } 5 0 3 3 ^ { 2 } \\\\leq } \\\\\\\\ & { } & { \\\\frac { \\\\sum _ { i = 1 } ^ { n } ( \\\\sum _ { j = 1 } ^ { n } | x _ { i } | ) - 1 } { 2 } \\\\sum _ { i = 1 } ^ { n } g _ { i } \\\\log ( 1 ) \\\\delta \\\\mathrm { - - } \\\\delta ^ { ( \\\\sum _ { i = 1 } ^ { n } | x _ { i } | ) } \\\\delta \\\\mathrm { - } } \\\\\\\\ & { } & { \\\\mathrm { ~ i ~ n ~ } \\\\sum _ { i = 1 } ^ { n } \\\\delta \\\\mathrm { - } \\\\delta ^ { ( \\\\sum _ { i = 1 } ^ { n } | x _ { i } | ) } \\\\delta \\\\mathrm { - } \\\\delta ^ { ( \\\\sum _ { i = 1 } ^ { n } | x _ { i } | ) } \\\\delta \\\\mathrm { - } \\\\lambda ^ { ( \\\\sum _ { i = 1 } ^ { n } | x _ { i } | ) } } \\\\\\\\ & { } & { \\\\mathrm { ~ i ~ n ~ } \\\\sum _ { i = 1 } ^ { n } \\\\frac { \\\\delta \\\\mathrm { - } \\\\delta ^ { ( \\\\sum _ { i = 1 } ^ { n } | x _ { i } | ) } } { 2 } \\\\sum _ { i = 1 } ^ { n } . } \\\\end{array}$ cycy \",\n \"page_idx\": 0\n },\n {\n \"type\": \"equation\",\n \"img_path\": \"images/badab5f778089fb0d43744ceb8d122bae3156de380408d1f9526d06e41cc3d0d.jpg\",\n \"text\": \"$$\\n\\\\begin{array} { r l r } & { \\\\mathrm { S i g s ~ f o r ~ \\\\alpha ^ { \\\\mathrm { 1 } } , ~ t ~ > ~ 0 ~ , ~ \\\\gamma ~ \\\\cup ~ \\\\alpha ~ ^ { \\\\mathrm { 1 } } ~ , ~ t ~ > ~ 0 ~ , ~ \\\\gamma ~ \\\\cup ~ \\\\alpha ~ ^ { \\\\mathrm { 1 } } ~ , ~ t ~ > ~ 0 ~ } } \\\\\\\\ & { \\\\mathrm { - i ~ s ~ e ~ - i a b l ~ t - i a b l ~ t - i a b l ~ t - i a b l ~ t - i a b l ~ t - i a b l ~ t ~ \\\\alpha ~ \\\\leq ~ 0 ~ } } \\\\\\\\ & { \\\\mathrm { 2 ~ s ~ e ~ - i a b l ~ t - i a b l ~ t ~ \\\\alpha ~ \\\\leq ~ 0 ~ , ~ \\\\gamma ~ \\\\leq ~ 0 ~ } } \\\\\\\\ & { \\\\mathrm { 3 ~ s ~ e ~ - i a b l ~ t ~ \\\\alpha ~ \\\\leq ~ 0 ~ , ~ \\\\gamma ~ \\\\leq ~ 0 ~ , ~ \\\\gamma ~ \\\\cup ~ \\\\alpha ~ \\\\leq ~ 1 ~ , ~ \\\\gamma ~ \\\\cup ~ \\\\alpha ~ \\\\leq ~ 1 ~ , ~ \\\\gamma ~ } } \\\\\\\\ & { \\\\mathrm { - i a b l ~ t - i a b l ~ t - i a b l ~ t ~ \\\\alpha ~ \\\\leq ~ 0 ~ } } \\\\\\\\ & { \\\\mathrm { - i a b l ~ t - i a b l ~ t - i a b l ~ t ~ \\\\alpha ~ \\\\leq ~ 0 ~ } } \\\\\\\\ & { \\\\mathrm { - i a b l ~ t - i a b l ~ t - i a b l ~ t ~ \\\\alpha ~ \\\\leq ~ 0 ~ } } \\\\end{array}\\n$$\",\n \"text_format\": \"latex\",\n \"page_idx\": 0\n }\n]" } ], "images": [ { "extension": ".jpg", "id": "a9d5c9be-3b9e-46c4-bc0d-8f51c7992a88", "mime_type": "image/jpeg", "name": "ef09c5267f7745553ccf4954a64a9783538577087118a49c6904940d24f7971a.jpg", "preview_url": "http://api:5001/files/tools/a9d5c9be-3b9e-46c4-bc0d-8f51c7992a88.jpg?timestamp=1754574564&nonce=163914d48342e997f286907e3116ab56&sign=-TmSTOxy6BiB6W5ZEODtuGDOIzi992l15GSN1fUZh7U=", "size": 38369, "type": "image" }, { "extension": ".jpg", "id": "12c6fede-4dd0-44b3-94ad-882c6c62e51f", "mime_type": "image/jpeg", "name": "badab5f778089fb0d43744ceb8d122bae3156de380408d1f9526d06e41cc3d0d.jpg", "preview_url": "http://api:5001/files/tools/12c6fede-4dd0-44b3-94ad-882c6c62e51f.jpg?timestamp=1754574564&nonce=166f05e46e97759b0f37bdb1da76cee6&sign=1sxj6DcFm2tRP05hk8EfiUpaP_LtHcS__bKrPMpUU3Q=", "size": 34220, "type": "image" } ] }

[dosubot]

Hi @huanjie! I'm Dosu and I’m helping the MinerU team.

你遇到的阿拉伯语无法识别、输出为公式/乱码，主要原因很可能是 MinerU 没有正确设置 OCR 语言参数（lang），导致没有加载阿拉伯语模型，而是误用了其他模型（如英文/公式），从而输出了无关内容（如 LaTeX 数学表达式）相关源码说明。

排查建议：

1. 确认 Dify 工作流是否传递了 lang=ar 参数
   MinerU 本地或 API 集成时，非中英文 OCR 必须显式传递 lang 参数（如 'ar' 表示阿拉伯语），否则不会自动识别官方说明。请检查 Dify 的 PARSE FILE 节点或 MinerU API 调用，是否有 lang: "ar" 配置。如果没有，建议手动加上。

2. 检查 MinerU 版本和模型文件
   确保 MinerU 版本为最新（2.1.x 及以上），并且模型文件已完整下载，尤其是 arabic_PP-OCRv3_rec_infer.pth 和 arabic_dict.txt模型配置。

3. Dify/MinerU 插件和 API 版本需匹配
   Dify 插件和 MinerU API 镜像需版本一致，API 路径（如 /file_parse 或 /pdf_parse）要和插件配置一致，否则可能导致参数丢失或调用异常相关讨论。

4. 测试官方 Demo
   可用同一 PDF 在 MinerU 官方在线 Demo（选择 Arabic）测试，若能正常识别，说明本地集成或参数传递有问题；若 Demo 也不行，则可能是模型本身对该图片支持有限已知问题。

5. 已知局限
   即使参数设置正确，MinerU 当前对阿拉伯语的 OCR 效果仍有局限，包括版面误判（如误识别为公式/图片）、字符识别错误、方向处理不佳（未完全支持从右到左）官方说明。

建议优先排查 lang 参数传递和 API 配置问题，必要时补充日志和调用参数，便于进一步定位。

To reply, just mention @dosu.

---

^{How did I do? Good | Irrelevant | Incorrect | Verbose | Hallucination | Report 🐛 | Other}    

[huanjie]

@dosu

1. 去Dify Chatflow 的 MinerU tool 里 将 lang: 从 Auto 改成 了 "ar" , 同样的 结果, 无法识别.
2. MinerU 版本 刚升级过, 是最新的, Dify/MinerU 插件 也是 最新的
3. 去官网 Demo 测过了, 同样的 图片 , 也是 识别成了 数学符号