Descripción
Surya OCR 2.5 es un modelo de imagen-texto-a-texto de última generación desarrollado por Datalab, específicamente diseñado para tareas robustas de inteligencia documental. Con 689 millones de parámetros, destaca en el reconocimiento óptico de caracteres (OCR), análisis de diseño y reconocimiento de tablas, ofreciendo mejoras significativas sobre versiones anteriores.
Leer más
El modelo demuestra una precisión excepcional, obteniendo 85.9 en OmniParseBench y 83.7% en olmOCR-bench, lo que lo convierte en el modelo abierto con mejor puntuación por debajo de 1 mil millones de parámetros en las evaluaciones de Datalab. Posee una velocidad impresionante, logrando un rendimiento de 4.5 páginas por segundo en una GPU H100 a 192 DPI, lo que es 1.7 veces más rápido que Surya 2 con MTP.
Surya OCR 2.5 es altamente multilingüe, alcanzando una tasa de aprobación del 74.9% en un benchmark interno que abarca 91 idiomas. Realiza un análisis de diseño integral, identificando elementos como tablas, imágenes y encabezados, y determina con precisión el orden de lectura. Una característica clave es su capacidad para exportar tablas como HTML, completas con celdas combinadas representadas por atributos `colspan` y `rowspan`.
Más allá del OCR de página completa, Surya OCR 2.5 también incluye modelos más pequeños y especializados para la detección de texto a nivel de línea y la detección de errores de OCR. Soporta una amplia gama de tipos de documentos, desde periódicos y libros de referencia hasta formularios gubernamentales, cartas manuscritas y documentos corporativos. El modelo se puede instalar y ejecutar con backends de inferencia como vllm (para GPUs NVIDIA) o llama.cpp (para CPU/Apple Silicon), y está disponible una aplicación interactiva de Streamlit para pruebas fáciles.
El uso comercial del código de Surya está licenciado bajo Apache 2.0, mientras que los pesos del modelo utilizan una licencia modificada de AI Pubs Open Rail-M, que permite el uso gratuito para investigación, proyectos personales y startups con financiación/ingresos inferiores a 5 millones de dólares. Opciones de licencia comercial más amplias están disponibles a través de la página de precios de Datalab. Datalab también ofrece una plataforma gestionada que ejecuta Surya y su variante de mayor precisión, Chandra, con créditos gratuitos para nuevos registros.
- CategoríaHerramientas de visión artificial
- Modelo de preciosFreemium
- ImplementaciónNube
- PlataformasWeb
Aspectos destacados de Surya OCR 2.5
Modelo de Imagen-Texto-a-Texto: Procesa imágenes para extraer texto e información estructural.
Alta Precisión: Obtiene 85.9 en OmniParseBench y 83.7% en olmOCR-bench.
Rápido Rendimiento: Logra 4.5 páginas/s en H100 a 192 DPI.
Soporte Multilingüe: Evaluado en 91 idiomas con una tasa de aprobación general del 74.9%.
Análisis de Diseño: Detecta tablas, imágenes, encabezados y determina el orden de lectura.
Reconocimiento de Tablas: Extrae tablas como HTML con celdas combinadas (colspan/rowspan).
Detección de Líneas de Texto: Modelo separado para detección precisa de texto a nivel de línea.
Detección de Errores de OCR: Modelo dedicado para identificar inexactitudes de OCR.
Integración VLM: Ejecuta análisis de diseño, OCR y reconocimiento de tablas a través de un único VLM.
Backends de Inferencia Flexibles: Soporta vllm (GPU NVIDIA) y llama.cpp (CPU/Apple Silicon).
Aplicación Interactiva de Streamlit: Proporciona una interfaz interactiva para probar imágenes y PDFs.
Configuraciones Personalizables: Sobrescribe configuraciones a través de variables de entorno para ajuste fino.
Licenciamiento Comercial: Apache 2.0 para código, Open Rail-M modificado para pesos del modelo.
Acceso a Plataforma Gestionada: Disponible en la plataforma gestionada de Datalab con créditos gratuitos.
Manejo de Matemáticas/Ecuaciones: Reconoce y exporta ecuaciones matemáticas en formato LaTeX compatible con KaTeX dentro de HTML.
Primeros pasos con Surya OCR 2.5
Instalar Surya OCR: Instala el paquete `surya-ocr` usando pip.
Configurar Backend de Inferencia: Configura vllm (para GPU NVIDIA) o llama.cpp (para CPU/Apple Silicon) como servidor de inferencia.
Ejecutar Comando OCR: Ejecuta el comando OCR con la ruta de tu imagen o PDF para extraer texto y cuadros delimitadores.
Realizar Análisis de Diseño: Usa el comando de diseño para detectar la estructura del documento y el orden de lectura.
Extraer Tablas: Utiliza el comando de reconocimiento de tablas para obtener tablas como salida HTML.
Procesar Detección de Líneas de Texto: Ejecuta el comando de detección de líneas de texto para identificar líneas de texto individuales.
Integrar a través de Python: Accede a las funcionalidades de Surya OCR directamente desde scripts de Python.
Usar Aplicación Interactiva: Lanza la aplicación de Streamlit para probar interactivamente Surya en imágenes o archivos PDF.
Casos de uso de Surya OCR 2.5
- Digitalización de Documentos
- Extracción de Datos
- Archivado de Contenidos
- Procesamiento Multilingüe de Documentos
- Comprensión de Diseño
- Procesamiento Automatizado de Formularios
- Investigación y Academia
- Automatización de Procesos Empresariales








