Бесплатная модель OCR от Baidu умеет распознавать все документы одновременно

В июне 2026 года Baidu выложила свою модель Unlimited-OCR на Hugging Face. Это модель на 3 млрд параметров, которая позволяет извлекать текст из изображений документов (например, контрактов) или PDF — полностью локально, без использования каких-либо API и без загрузки в облако. Запустить её можно локально через Ollama, LM Studio, либо развернуть самостоятельно с API, который совместим с другими AI-продуктами.

Оптическое распознавание символов (OCR) — это процесс превращения изображения с текстом (будь то контракт, пачка отсканированных счетов или печатный документ) в реальный текст, который можно редактировать и искать по нему. Раньше для точного распознавания сложных документов приходилось использовать облачный сервис и загружать туда свои документы. С Unlimited-OCR всё это можно делать локально.

1В чём отличие от обычного OCR

В своей исследовательской статье, опубликованной на arXiv в июне 2026 года, они рассказывают про «one-shot long-horizon parsing» (разбор на горизонте всего документа за один проход) — то есть способность обрабатывать весь документ целиком, а не разбивать его на отдельные страницы с последующей сборкой обратно. Это важно, потому что уменьшает ошибки, возникающие при склейке разных частей документа (особенно когда таблицы или текст растянуты на несколько страниц). Unlimited-OCR способна работать с контекстом до 32 768 токенов, чего достаточно, чтобы вместить большинство многостраничных контрактов или отчётов с кучей деталей.

Есть два варианта разрешения: 640 пикселей для быстрой обработки и 1024 пикселя для более детальных результатов на сложных документах с мелким шрифтом или большим количеством табличных данных. Изображения сначала рендерятся из PDF, а затем обрабатываются. Unlimited-OCR строится на базе предыдущих опенсорсных работ, таких как DeepSeek-OCR и PaddleOCR, поэтому у неё похожие мультиязычные возможности.

2Зачем это тем, кто строит продукты

Немалая часть ценных данных в вашей компании, скорее всего, хранится в PDF: контракты, банковские выписки, счета, медицинские отчёты, страховые документы и так далее. Возможность извлечь эти данные и поместить их в базу данных или на их основе что-то автоматизировать — это часто один из самых частых запросов в любом проекте автоматизации. С бесплатным локальным решением для OCR, таким как Unlimited-OCR, экономика кардинально меняется, особенно если у вас конфиденциальные данные, которые вы не хотите отправлять через интернет.

3 миллиарда параметров означают, что для запуска не нужно навороченное железо — модель можно гонять на GPU домашнего компьютера или на небольшом сервере. К тому же она распространяется по лицензии MIT, так что использовать её в коммерческих целях можно без каких-либо выплат или роялти. Они даже подготовили квантованные веса для llama.cpp, Ollama, LM Studio и Jan, чего должно хватить для большинства локальных сценариев использования.