baidu /
unlimited-ocr
Unlimited OCR 是百度开源的长文档 OCR 模型，面向超长截图、多页扫描件和 PDF 等连续文档解析场景。它能够识别文字、表格、公式及页面布局，并保持跨页内容的阅读顺序。项目支持单图、多图、图片目录和 PDF 输入，可通过 Transformers、vLLM 或 SGLang 在本地部署推理。 亮点 普通 OCR 往往逐页独立处理，容易丢失跨页结构和上下文；Unlimited OCR 面向长视野解析设计，可将连续页面作为整体…
关于
Unlimited OCR 是百度开源的长文档 OCR 模型，面向超长截图、多页扫描件和 PDF 等连续文档解析场景。它能够识别文字、表格、公式及页面布局，并保持跨页内容的阅读顺序。项目支持单图、多图、图片目录和 PDF 输入，可通过 Transformers、vLLM 或 SGLang 在本地部署推理。 亮点 普通 OCR 往往逐页独立处理，容易丢失跨页结构和上下文；Unlimited OCR 面向长视野解析设计，可将连续页面作为整体理解，在长截图和多页 PDF 中保持内容顺序与版面关系。项目提供多种推理后端、Docker 镜像和结果可视化，方便研究者和开发者接入文档解析流程。
收录记录
- HelloGitHub·用户投稿
讨论这个产品