Chandra OCR开源发布，具备强大功能和广泛应用潜力： - 支持完整版面信息解析，能识别并
Chandra OCR开源发布，具备强大功能和广泛应用潜力： - 支持完整版面信息解析，能识别并标注图片、图表 - 优秀的手写体、表格和表单识别能力 - 兼容transformers和vLLM架构，易于集成和扩展 获取方式： Huggingface仓库 | Github代码库 | 在线演示体验（推荐平衡模式） 通过Datalab API调用，支持balanced和accurate两种模式 快速上手： pip install chandra-ocr chandra_vllm chandra input.pdf ./output 性能与对比： - 在olmocr基准测试中优于Deepseek OCR，展现出更高准确率 - 相较Marker OCR，Chandra更擅长复杂格式和整体排版，但速度稍慢 - 支持多语言（基于Surya语言支持），但对部分低资源语言仍有提升空间 已知限制： - 纯数学公式识别尚不及Marker - 旋转页面识别准确度下降 - 部分低资源语言效果欠佳 未来计划： - 持续优化模型精度和性能 - 量化与加速支持，提升推理速度 - 扩展语言和用例覆盖
Chandra OCR开源发布，具备强大功能和广泛应用潜力： - 支持完整版面信息解析，能识别并标注图片、图表 - 优秀的手写体、表格和表单识别能力 - 兼容transformers和vLLM架构，易于集成和扩展 获取方式： Huggingface仓库 | Github代码库 | 在线演示体验（推荐平衡模式） 通过Datalab API调用，支持balanced和accurate两种模式 快速上手： pip install chandra-ocr chandra_vllm chandra input.pdf ./output 性能与对比： - 在olmocr基准测试中优于Deepseek OCR，展现出更高准确率 - 相较Marker OCR，Chandra更擅长复杂格式和整体排版，但速度稍慢 - 支持多语言（基于Surya语言支持），但对部分低资源语言仍有提升空间 已知限制： - 纯数学公式识别尚不及Marker - 旋转页面识别准确度下降 - 部分低资源语言效果欠佳 未来计划： - 持续优化模型精度和性能 - 量化与加速支持，提升推理速度 - 扩展语言和用例覆盖
