推文

@vintcessun · 2026-10-17 11:59

做批量文档入库，先别急着配 GPU，Indra OCR 值得放进选型测试。 约 18MB 模型，跑 ONNX Runtime，不依赖 PyTorch；优先复用 PDF 文本层，缺的部分才做 OCR，输出带阅读顺序的 Markdown 或 JSON。 更值得关注的是工程细节：单页失败不拖垮整份文档，批处理可限制核心数；关闭 CPU 内存池后，项目测试中一份大扫描件的内存从 4.9GB 降到 1.4GB。 适合清晰印刷件，复杂表格、手写别押宝。代码和模型许可证不同，商用先核对。 https://github.com/datalab-to/indra

曝光 14 · 评论 0 · 点赞 1 · 书签 0