Unlimited-OCR

Que é Unlimited-OCR

Unlimited-OCR lanzado por Baidu é un modelo de OCR de código aberto que admite recoñecemento de texto de alta precisión, especialmente adecuado para escenas complexas e texto multilingüe.

Características clave

• Admite recoñecemento de texto de alta precisión, adecuado para escenas complexas e texto multilingüe
• Admite inferencia en GPUs NVIDIA usando Hugging Face Transformers
• Admite despregue e inferencia con vLLM
• Admite adestramento do modelo con ms-swift

Para quen é

Adecuado para desenvolvedores, investigadores e enxeñeiros que necesitan manexar tarefas de OCR en escenas complexas e multilingües.

Como comezar

1. Visita a páxina do modelo en Hugging Face: https://huggingface.co/baidu/Unlimited-OCR
2. Instala as dependencias necesarias con pip: torch, transformers, Pillow, etc.
3. Executa o código de exemplo de Transformers para cargar AutoModel e AutoTokenizer para inferencia
4. Ou desprega o servizo vLLM usando a imaxe Docker proporcionada

Compilado a partir de descricións públicas no sitio web oficial / README / páxina de lanzamento da ferramenta. Os prezos e números de usuarios non foron verificados; consulta o sitio web oficial. Algunhas seccións foron redactadas con axuda de IA. Escrito en chinés e inglés; outras linguaxes están traducidas por máquina.