Repolode
Enviar
baidu

baidu/Unlimited-OCR

Modelo open source de OCR com visão e linguagem da Baidu, que processa documentos longos e PDFs com várias páginas e os converte em texto estruturado em uma única passada.

Ver no GitHub
Estrelas
30,841
Forks
3,300
Issues abertas
91
Último commit
há 6 dias

O que é?

Unlimited OCR é um modelo de processamento de documentos da Baidu, desenvolvido como sucessor do DeepSeek-OCR. Ele foi projetado para documentos longos com várias páginas e busca convertê-los em texto estruturado em uma única passada de inferência, em vez de processar cada página separadamente.

O repositório oferece código de inferência baseado no Hugging Face Transformers para GPUs NVIDIA, com modos para imagem única, várias páginas e PDFs. No caso de PDFs, as páginas são convertidas em imagens com PyMuPDF antes do processamento. Também é possível servir o modelo por meio do vLLM (com imagens Docker oficiais) e do SGLang, que disponibiliza uma API de streaming compatível com a OpenAI. O script de processamento em lote infer.py executa solicitações concorrentes em um diretório de imagens ou em um PDF.

O projeto inclui código de pós-processamento para a avaliação no OmniDocBench, que remove marcadores de layout da saída bruta. Os pesos do modelo estão disponíveis no Hugging Face e no ModelScope.

Recursos principais

  • 01Processa documentos longos com várias páginas em uma única passada de inferência.
  • 02Oferece suporte a imagens únicas, conjuntos de imagens com várias páginas e PDFs.
  • 03Funciona com Hugging Face Transformers, vLLM ou SGLang.
  • 04Disponibiliza uma API de streaming compatível com a OpenAI por meio do SGLang.
  • 05Inclui um script de inferência em lote para diretórios e PDFs.

Casos de uso

  • Converter PDFs digitalizados com várias páginas em texto estruturado.
  • Criar pipelines de ingestão de documentos para workflows de recuperação ou LLM.
  • Avaliar o processamento de documentos no OmniDocBench.
  • Disponibilizar um modelo de OCR de documentos por trás de uma API interna.

Início rápido

  1. 1

    Instale as dependências de Python listadas no README (método com Transformers, testado com Python 3.12 e CUDA 12.9).

    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

    Em um script Python, carregue o modelo do Hugging Face com AutoModel e AutoTokenizer e execute model.infer em uma imagem.

Antes de usar

  • A inferência com Transformers foi testada em GPUs NVIDIA com CUDA, portanto é necessária uma GPU.
  • A análise de várias páginas e PDFs usa apenas a configuração básica.
  • O README descreve uma configuração de teste específica (Python 3.12, CUDA 12.9), então outros ambientes podem exigir ajustes.

Em coleções

Ferramentas de PDF, OCR e documentos

Tópicos

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

Perguntas frequentes

O que é Unlimited-OCR?
Modelo open source de OCR com visão e linguagem da Baidu, que processa documentos longos e PDFs com várias páginas e os converte em texto estruturado em uma única passada. Unlimited OCR é um modelo de processamento de documentos da Baidu, desenvolvido como sucessor do DeepSeek-OCR. Ele foi projetado para documentos longos com várias páginas e busca convertê-los em texto estruturado em uma única passada de inferência, em vez de processar cada página separadamente.
Unlimited-OCR é gratuito? Qual é a licença?
Unlimited-OCR é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
Unlimited-OCR ainda é mantido?
Manutenção ativa. O último commit de Unlimited-OCR foi em 2 de nov. de 2026.
Para que posso usar Unlimited-OCR?
Converter PDFs digitalizados com várias páginas em texto estruturado. Criar pipelines de ingestão de documentos para workflows de recuperação ou LLM. Avaliar o processamento de documentos no OmniDocBench. Disponibilizar um modelo de OCR de documentos por trás de uma API interna.
Como instalar Unlimited-OCR?
Instale as dependências de Python listadas no README (método com Transformers, testado com Python 3.12 e CUDA 12.9).: 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 Em um script Python, carregue o modelo do Hugging Face com AutoModel e AutoTokenizer e execute model.infer em uma imagem.
Onde consigo Unlimited-OCR?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/baidu/Unlimited-OCR

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados