بایدو به تازگی Unlimited-OCR را منتشر کرده.

رایگان، وزن‌های باز، مجوز MIT.

چه کاری انجام می‌دهد؟

یک سند، عکس، اسکن، یا PDF کامل را به آن می‌دهید و به صورت متن تمیز و ساختارمند برمی‌گرداند.

جدول‌ها، فرمول‌ها، ترتیب خواندن، همه چیز.

این یکی برای بلعیدن یک PDF کامل در یک پاس ساخته شده، صفحه به صفحه، بدون از دست دادن رشته..

→ اسناد با متن، جدول‌ها و فرمول‌ها، در ساختار
→ چندصفحه‌ای و PDF پیوسته
→ چندزبانه
→ فقط ۳ میلیارد پارامتر: سبک، روی یک GPU معمولی اجرا می‌شود
→ و می‌توانید آن را محلی با vLLM، SGLang، Ollama یا LM Studio راه‌اندازی کنید

۴۴۰۰ لایک در Hugging Face. ۱.۲ میلیون دانلود ماه گذشته. MIT.

https://huggingface.co/baidu/Unlimited-OCR

@TheDeepTech