GitHub-радар
Разобрать документ любой длины за один проход без склейки кусков
Unlimited-OCR-2 — модель Baidu для распознавания текста на изображениях документов (OCR), которая читает файл любой длины за один проход и держит контекст между страницами — не нужно резать документ на части и склеивать результат вручную.
Модель считывает текст со страниц документа и переносит понимание содержания с одной страницы на другую, поэтому весь файл разбирается как одно целое, а не кусками.
Когда пригодится
Пригодится, если ты регулярно работаешь с длинными сканами — книгами, отчётами на сотни страниц, PDF-файлами. Для одной фотографии документа или короткого файла смысла в ней нет: вся выгода — в сквозном чтении через множество страниц разом.
Плюсы
- Читает весь документ за один проход, без ручной склейки частей
- Скорость и память почти не растут с увеличением документа
- Понимает контекст между страницами — не теряет связи фраз
- Лицензия MIT — можно свободно использовать и изменять
Минусы
- Собственные тесты автора — не независимая проверка качества
- Неясно, проверяли ли рукописный текст и таблицы
- Нужна своя видеокарта или сервер — не облачный сервис
Как поставить — по шагам
- 1Открой карточку модели по ссылке из фактов на Hugging Face.
- 2Отправь агенту текст из блока ниже — он откроет демо и загрузит туда документ.
- 3Положи в демо свой многостраничный документ или книгу и запусти разбор.
- 4Сверь результат с оригиналом постранично — особенно таблицы и неразборчивый текст.
- 5Для локального запуска через Transformers хватит ноутбука от 8 ГБ памяти (это оценка, а не гарантия автора).
Текст для агента
Текст для шага с агентом — скопируй и отправь (Claude Code, Codex, любой):
Открой демо модели Unlimited-OCR-2 на Hugging Face Spaces (https://huggingface.co/spaces/baidu/Unlimited-OCR-2), загрузи туда многостраничный документ или книгу и покажи, как модель разбирает его по страницам.
Обычный ноутбук от 8 ГБ оперативки (примерная оценка по размеру модели, не из карточки авторов).
Открыть на Hugging Face▌ Ещё находки