百度开源长文档OCR模型
TheTimHayden · x · 2026-07-20
百度开源了 Unlimited-OCR，一个面向整份文档的 OCR 模型，主打一次处理长文档而不是按页切分。
它参数量 30 亿，但推理时只激活 5 亿参数；支持本地运行，拥有 32K 上下文窗口，能更好保留跨页的文本、公式、表格和阅读顺序，并直接输出结构化 Markdown。
作者给出的数据包括：标准基准 93% 准确率、比基线高 6 个点，且在超过 40 页后错误率仍低于 0.11。同时它支持多语言，Hugging Face 上月下载量达 212 万，GitHub 星标 1.46 万。
所属事件:百度开源Unlimited-OCR长文档识别模型(4 条相关)→
「多模态」频道最新
- Ludovic Creator 用 Seedance 2.5 打造 Snorricam 运镜系列短片 — LudovicCreator · 2026-10-27
- Gradium 发布免费朗读工具：仅 4000 万参数的多语言语音模型 Phonon — mattturck · 2026-10-27
- 无限递归漩涡提示词走红：让图像不断向内螺旋缩小 — azed_ai · 2026-10-27
- 170 多位 AI 创作者合拍一部集体电影，11 月 6 日首播 — Loo_Atreides · 2026-10-27
- 12GB 显存实测:不设 VRAM 上限,出图从 24 秒变 11 分钟 — Impossible-Mail-4619 · 2026-10-27
- Midjourney 创作者分享 sref 风格参考出图:暗黑哥特人物 — OVolosin82152 · 2026-10-27