百度开源 Unlimited OCR：长文本与多页文档的“一镜...
TechFoco 精选
百度开源 Unlimited OCR，专为长文本与多页文档设计，支持单图/多页解析、两种图像模式、PDF自动切页、多种部署方案，并内置重复抑制机制，适用于学术文献数字化和企业文档处理。
Unlimited OCR 是一款专为长文本与多页文档打造的 OCR 解析引擎，将单次推理的视野从单页扩展到整篇文档，真正实现「一镜到底」的高精度解析。
它既支持单图 gundam/base 双模式推理，也能直接对 PDF 多页进行批量处理，同时提供 Transformers 与 SGLang 两种部署方案，满足从本地快速验证到服务化部署的全流程需求。
主要功能
- 单图/多页一键解析：支持高达 32k token 的超长输出。
- 两种图像模式：gundam（局部裁剪）与 base（全局），兼顾细节与全局一致性。
- 原生支持 PDF 自动切页：与多图并行推理。
- 多种推理后端：提供 Transformers 与 SGLang 两种方案，兼容 OpenAI 风格流式 API。
- 内置 N-gram 重复抑制：与自定义 Logit Processor，显著提升长文本连贯性。
- 轻量化依赖：通过 pip/uv 即可在 NVIDIA GPU 上快速启动。
无论你是做学术文献数字化，还是构建企业级文档 pipeline，Unlimited OCR 都能提供稳定高效的解析能力。
