我不是小布丁
@xiaobuding
🖨️ 几百页的 PDF 一次性喂进去，整本转成能直接用的文字，百度开源了 Unlimited-OCR。
GitHub 上已经冲到 2.4 万 stars，对应论文是 arXiv 2606.23050。
做行业研究的人最熟悉这个痛：一份两百页的年报或者标书是扫描件，想引用里面一张表，只能一页一页截图、一页一页识别，识别完格式还全散了，再手动拼回去半天就没了。Unlimited-OCR 的思路是一次性处理长文档，多页图像和整份 PDF 直接进去出结果，不用你切页，也不用你把结果拼回来。
模型已经放到 Hugging Face、ModelScope 和百度智能云，本地想跑的话 Transformers、vLLM 和 SGLang 三种方式都支持，官方还给了 vLLM 的 Docker 镜像。项目致谢里写明借鉴了 Deepseek-OCR 和 PaddleOCR 的相关思路。
纸上的东西，终于不用再一页一页搬了。
github.com/baidu/Unlimite…
话题来源 @Ryrenz
· 15K阅读 · x.com/…↗ · 原文引用
24 浏览 0 评论
0 反应
