2.4 元一页:百度 Unlimited-OCR-2 整本重扫 1771 年版大英百科
vanstriendaniel · x · 2026-10-27
HF 员工 davanstrien 用百度新版 Unlimited-OCR-2 重新 OCR 了 1771 年首版《大英百科全书》。要点:
- 单请求多页:一次请求可读多页(官方演示整本书一次读完),跨页断开的句子能作为延续段落完整返回,脚本按 16 页一组发送;
- 成本:2,724 页约 $3.40(约 $0.0012/页),比今年 2 月的约 $5 更便宜,在 Hugging Face Jobs 上一条命令跑完;
- 部署细节:GPU 需 ≥48GB 显存(16 页请求约 31k token 的 KV 缓存,24GB 卡会 thrash),测试中 rtx-pro-6000 性价比最高;
- 已知短板:会把长 s(ſ)误读为「f」,在 1771 年的印刷品上 GLM-OCR 反而识字率更高。
完整脚本以 uv-script 形式开源在 HF datasets 的 uv-scripts/ocr 仓库,输入支持 Bucket、目录或本地文件夹的页面图片,输出 parquet。
所属事件:百度 Unlimited-OCR-2 低成本重扫 2724 页古版大英百科(2 条相关)→
「编程与Agent」频道最新
- Anthropic 公布 12 条 Claude Opus 5.5 新提示词规则 — JeremyCMorgan · 2026-10-28
- TraceTrial-Bench：31.1% 的 Agent 任务成功却违反 harness 标准 — _akhaliq · 2026-10-28
- NVIDIA 开源完整工作流：用合成人设与 LoRA 微调 Nemotron 适配本地化 — NVIDIAAI · 2026-10-28
- 玩家自制「Sandman 机器人」追杀上下文膨胀的 Grok bot — alexcovo_eth · 2026-10-28
- 苹果 iPrefBench 揭示移动 Agent 短板：执行力强但个性化差 — apple · 2026-10-28
- 阿里通义 MAI 团队开源 9B GUI Agent 模型，可同时操控手机和电脑 — AdinaYakup · 2026-10-28