Repolode
제출하기
baidu

baidu/Unlimited-OCR

Baidu의 오픈소스 비전-언어 OCR 모델로, 긴 다중 페이지 문서와 PDF를 한 번의 추론으로 구조화된 텍스트로 변환합니다.

GitHub에서 보기
스타
30,631
포크
3,267
열린 이슈
91
마지막 커밋
4일 전

어떤 프로젝트인가요?

Unlimited OCR은 Baidu가 DeepSeek-OCR의 후속으로 개발한 문서 파싱 모델입니다. 긴 다중 페이지 문서를 대상으로 하며, 페이지별로 따로 처리하는 대신 한 번의 추론으로 구조화된 텍스트로 변환하는 것을 목표로 합니다.

이 저장소는 NVIDIA GPU에서 사용할 수 있는 Hugging Face Transformers 기반 추론 코드를 제공하며, 단일 이미지, 다중 페이지, PDF 모드를 지원합니다. PDF는 파싱 전에 PyMuPDF로 페이지를 이미지로 렌더링합니다. 공식 Docker 이미지를 제공하는 vLLM과 OpenAI 호환 스트리밍 API를 제공하는 SGLang을 통한 서빙도 지원합니다. 배치 스크립트인 infer.py를 사용하면 이미지 디렉터리나 PDF를 대상으로 요청을 병렬 처리할 수 있습니다.

프로젝트에는 OmniDocBench 평가를 위한 후처리 코드도 포함되어 있으며, 원시 출력에서 레이아웃 마커를 제거합니다. 모델 가중치는 Hugging Face와 ModelScope에 공개되어 있습니다.

핵심 기능

  • 01긴 다중 페이지 문서를 한 번의 추론으로 파싱합니다.
  • 02단일 이미지, 다중 페이지 이미지 모음, PDF를 지원합니다.
  • 03Hugging Face Transformers, vLLM 또는 SGLang으로 실행할 수 있습니다.
  • 04SGLang을 통해 OpenAI 호환 스트리밍 API를 제공합니다.
  • 05디렉터리와 PDF를 처리하는 배치 추론 스크립트를 제공합니다.

활용 사례

  • 스캔한 다중 페이지 PDF를 구조화된 텍스트로 변환하기
  • 검색 또는 LLM 워크플로를 위한 문서 수집 파이프라인 구축하기
  • OmniDocBench에서 문서 파싱 성능을 벤치마킹하기
  • 내부 API 뒤에서 문서 OCR 모델을 서빙하기

빠른 시작

  1. 1

    README에 나열된 Python 종속 항목을 설치합니다(Transformers 방식, Python 3.12 및 CUDA 12.9에서 테스트됨).

    pip install torch==2.10.0 torchvision==0.25.0 transformers==4.57.1 Pillow==12.1.1 matplotlib==3.10.8 einops==0.8.2 addict==2.4.0 easydict==1.13 pymupdf==1.27.2.2 psutil==7.2.2
  2. 2

    Python 스크립트에서 Hugging Face의 AutoModel과 AutoTokenizer로 모델을 불러온 다음 이미지에 대해 model.infer를 실행합니다.

사용 전 알아둘 점

  • Transformers 추론은 CUDA를 사용하는 NVIDIA GPU에서 테스트되었으므로 GPU가 필요합니다.
  • 여러 페이지 및 PDF 파싱에는 기본 설정만 사용됩니다.
  • README에는 특정 테스트 환경(Python 3.12, CUDA 12.9)이 안내되어 있으므로 다른 환경에서는 조정이 필요할 수 있습니다.

포함된 컬렉션

PDF·OCR·문서 처리 도구

토픽

#ocr#document-parsing#vision-language-model#pdf#vllm#multimodal

자주 묻는 질문

Unlimited-OCR은(는) 무엇인가요?
Baidu의 오픈소스 비전-언어 OCR 모델로, 긴 다중 페이지 문서와 PDF를 한 번의 추론으로 구조화된 텍스트로 변환합니다. Unlimited OCR은 Baidu가 DeepSeek-OCR의 후속으로 개발한 문서 파싱 모델입니다. 긴 다중 페이지 문서를 대상으로 하며, 페이지별로 따로 처리하는 대신 한 번의 추론으로 구조화된 텍스트로 변환하는 것을 목표로 합니다.
Unlimited-OCR은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
Unlimited-OCR은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
Unlimited-OCR은(는) 아직 유지보수되고 있나요?
활발히 유지보수 중. Unlimited-OCR의 마지막 커밋은 2026년 11월 2일입니다.
Unlimited-OCR은(는) 어디에 사용할 수 있나요?
스캔한 다중 페이지 PDF를 구조화된 텍스트로 변환하기 검색 또는 LLM 워크플로를 위한 문서 수집 파이프라인 구축하기 OmniDocBench에서 문서 파싱 성능을 벤치마킹하기 내부 API 뒤에서 문서 OCR 모델을 서빙하기
Unlimited-OCR는 어떻게 설치하나요?
README에 나열된 Python 종속 항목을 설치합니다(Transformers 방식, Python 3.12 및 CUDA 12.9에서 테스트됨).: pip install torch==2.10.0 torchvision==0.25.0 transformers==4.57.1 Pillow==12.1.1 matplotlib==3.10.8 einops==0.8.2 addict==2.4.0 easydict==1.13 pymupdf==1.27.2.2 psutil==7.2.2 Python 스크립트에서 Hugging Face의 AutoModel과 AutoTokenizer로 모델을 불러온 다음 이미지에 대해 model.infer를 실행합니다.
Unlimited-OCR은(는) 어디서 받을 수 있나요?
소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/baidu/Unlimited-OCR

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.

관련 프로젝트