چین به‌تازگی یه ابزار OCR رو متن‌باز کرده که می‌تونه فایل‌های PDF با 100 صفحه رو توی یه مرحله پردازش کنه!
اسمش Unlimited OCR هستش و فقط 3 میلیارد پارامتر داره. ضمن اینکه می‌تونی به‌صورت کاملاً محلی روی سیستم خودت اجراش کنی.
بقیه ابزارهای OCR معمولاً سندت رو صفحه‌به‌صفحه تقسیم می‌کنن و ارتباط بین بخش‌های مختلف متن رو از دست می‌دن. اما این ابزار کل سند رو در یک مرحله و به‌صورت پیوسته می‌خونه و پردازش می‌کنه.
پردازش کل سند در یک مرحله: با درک کامل محتوا و پنجره متنی 32K
پشتیبانی از چندین زبان: بدون نیاز به تنظیمات پیچیده و اضافه
دقت 93 درصدی: در بنچمارک استاندارد پردازش اسناد، یعنی 6 واحد درصد بهتر از خط پایه (Baseline)
نرخ خطای کمتر از 0.11: حتی هنگام پردازش اسنادی با بیشتر از 40 صفحه
اجرای کاملاً محلی: 100٪ روی سخت‌افزار خودت
سازگاری با ابزارهای مختلف: از جمله Transformers، vLLM، SGLang، Docker، Ollama و llama.cpp
اما این ابزار روی سیستم خودت اجرا می‌شه؛ رایگان:

huggingface.co/baidu/Unlimited-OCR

@Linuxiz