Deskripsi
Surya OCR 2.5 adalah model gambar-teks-ke-teks mutakhir yang dikembangkan oleh Datalab, secara khusus dirancang untuk tugas kecerdasan dokumen yang kuat. Dengan 689 juta parameter, model ini unggul dalam pengenalan karakter optik (OCR), analisis tata letak, dan pengenalan tabel, menawarkan peningkatan signifikan dibandingkan versi sebelumnya.
Baca Selengkapnya
Model ini menunjukkan akurasi yang luar biasa, mencetak 85.9 pada OmniParseBench dan 83.7% pada olmOCR-bench, menjadikannya model terbuka dengan skor tertinggi di bawah 1 miliar parameter dalam evaluasi Datalab. Model ini memiliki kecepatan yang mengesankan, mencapai throughput 4.5 halaman per detik pada GPU H100 dengan 192 DPI, yang 1.7 kali lebih cepat dibandingkan Surya 2 dengan MTP.
Surya OCR 2.5 sangat multibahasa, mencapai tingkat kelulusan 74.9% pada tolok ukur internal yang mencakup 91 bahasa. Model ini melakukan analisis tata letak yang komprehensif, mengidentifikasi elemen seperti tabel, gambar, dan header, serta menentukan urutan bacaan dengan akurat. Fitur kunci adalah kemampuannya untuk mengeluarkan tabel sebagai HTML, lengkap dengan sel yang digabungkan yang diwakili oleh atribut `colspan` dan `rowspan`.
Selain OCR halaman penuh, Surya OCR 2.5 juga mencakup model-model kecil yang lebih spesifik untuk deteksi teks tingkat baris dan deteksi kesalahan OCR. Model ini mendukung berbagai jenis dokumen, mulai dari surat kabar dan buku referensi hingga formulir pemerintah, surat tulisan tangan, dan dokumen perusahaan. Model ini dapat diinstal dan dijalankan dengan backend inferensi seperti vllm (untuk GPU NVIDIA) atau llama.cpp (untuk CPU/Apple Silicon), dan aplikasi Streamlit interaktif tersedia untuk pengujian yang mudah.
Penggunaan komersial dari kode Surya dilisensikan di bawah Apache 2.0, sementara bobot model menggunakan lisensi AI Pubs Open Rail-M yang dimodifikasi, memungkinkan penggunaan gratis untuk penelitian, proyek pribadi, dan startup dengan pendanaan/revenue di bawah $5M. Opsi lisensi komersial yang lebih luas tersedia melalui halaman harga Datalab. Datalab juga menawarkan platform terkelola yang menjalankan Surya dan varian akurasinya yang lebih tinggi, Chandra, dengan kredit gratis untuk pendaftaran baru.
- KategoriAlat Computer Vision
- Model HargaFreemium
- PenerapanCloud
- PlatformWeb
Sorotan Surya OCR 2.5
Model Gambar-Teks-ke-Teks: Memproses gambar untuk mengekstrak teks dan informasi struktural.
Akurasi Tinggi: Mencetak 85.9 pada OmniParseBench dan 83.7% pada olmOCR-bench.
Throughput Cepat: Mencapai 4.5 halaman/detik pada H100 dengan 192 DPI.
Dukungan Multibahasa: Diuji pada 91 bahasa dengan tingkat kelulusan keseluruhan 74.9%.
Analisis Tata Letak: Mendeteksi tabel, gambar, header, dan menentukan urutan bacaan.
Pengenalan Tabel: Mengekstrak tabel sebagai HTML dengan sel yang digabung (colspan/rowspan).
Deteksi Garis Teks: Model terpisah untuk deteksi teks tingkat garis yang tepat.
Deteksi Kesalahan OCR: Model khusus untuk mengidentifikasi ketidakakuratan OCR.
Integrasi VLM: Menjalankan analisis tata letak, OCR, dan pengenalan tabel melalui satu VLM.
Backend Inferensi Fleksibel: Mendukung vllm (GPU NVIDIA) dan llama.cpp (CPU/Apple Silicon).
Aplikasi Streamlit Interaktif: Menyediakan antarmuka interaktif untuk menguji gambar dan PDF.
Pengaturan yang Dapat Disesuaikan: Mengganti pengaturan melalui variabel lingkungan untuk fine-tuning.
Lisensi Komersial: Apache 2.0 untuk kode, Open Rail-M yang dimodifikasi untuk bobot model.
Akses Platform Terkelola: Tersedia di platform terkelola Datalab dengan kredit gratis.
Penanganan Matematika/Persamaan: Mengenali dan mengeluarkan persamaan matematis dalam LaTeX yang kompatibel dengan KaTeX dalam HTML.
Memulai dengan Surya OCR 2.5
Instal Surya OCR: Instal paket `surya-ocr` menggunakan pip.
Siapkan Backend Inferensi: Konfigurasikan baik vllm (untuk GPU NVIDIA) atau llama.cpp (untuk CPU/Apple Silicon) sebagai server inferensi.
Jalankan Perintah OCR: Eksekusi perintah OCR dengan jalur gambar atau PDF Anda untuk mengekstrak teks dan kotak pembatas.
Lakukan Analisis Tata Letak: Gunakan perintah tata letak untuk mendeteksi struktur dokumen dan urutan bacaan.
Ekstrak Tabel: Manfaatkan perintah pengenalan tabel untuk mendapatkan tabel sebagai output HTML.
Proses Deteksi Garis Teks: Jalankan perintah deteksi garis teks untuk mengidentifikasi garis teks individu.
Integrasi melalui Python: Akses fungsionalitas Surya OCR langsung dari skrip Python.
Gunakan Aplikasi Interaktif: Luncurkan aplikasi Streamlit untuk menguji Surya secara interaktif pada gambar atau file PDF.
Kasus Penggunaan Surya OCR 2.5
- Digitalisasi Dokumen
- Ekstraksi Data
- Arsip Konten
- Pemrosesan Dokumen Multibahasa
- Pemahaman Tata Letak
- Pemrosesan Formulir Otomatis
- Penelitian dan Akademik
- Otomatisasi Proses Bisnis








