Descrição
Surya OCR 2.5 é um modelo de imagem-texto-para-texto de última geração desenvolvido pela Datalab, especificamente projetado para tarefas robustas de inteligência documental. Com 689 milhões de parâmetros, ele se destaca em reconhecimento óptico de caracteres (OCR), análise de layout e reconhecimento de tabelas, oferecendo melhorias significativas em relação às versões anteriores.
Ler mais
O modelo demonstra precisão excepcional, marcando 85,9 no OmniParseBench e 83,7% no olmOCR-bench, tornando-se o modelo aberto com melhor pontuação abaixo de 1 bilhão de parâmetros nas avaliações da Datalab. Ele possui uma velocidade impressionante, alcançando uma taxa de processamento de 4,5 páginas por segundo em uma GPU H100 a 192 DPI, que é 1,7 vezes mais rápido que o Surya 2 com MTP.
Surya OCR 2.5 é altamente multilíngue, alcançando uma taxa de aprovação de 74,9% em um benchmark interno cobrindo 91 idiomas. Realiza uma análise de layout abrangente, identificando elementos como tabelas, imagens e cabeçalhos, e determina com precisão a ordem de leitura. Um recurso chave é sua capacidade de exportar tabelas como HTML, completas com células mescladas representadas por atributos `colspan` e `rowspan`.
Além do OCR de página inteira, Surya OCR 2.5 também inclui modelos menores e especializados para detecção de texto em nível de linha e detecção de erros de OCR. Suporta uma ampla gama de tipos de documentos, desde jornais e livros de referência até formulários governamentais, cartas manuscritas e documentos corporativos. O modelo pode ser instalado e executado com backends de inferência como vllm (para GPUs NVIDIA) ou llama.cpp (para CPU/Silicon da Apple), e um aplicativo interativo Streamlit está disponível para testes fáceis.
O uso comercial do código Surya é licenciado sob a Apache 2.0, enquanto os pesos do modelo utilizam uma licença modificada AI Pubs Open Rail-M, permitindo uso gratuito para pesquisa, projetos pessoais e startups com financiamento/renda abaixo de $5M. Opções de licenciamento comercial mais amplas estão disponíveis através da página de preços da Datalab. A Datalab também oferece uma plataforma gerenciada que executa Surya e sua variante de maior precisão, Chandra, com créditos gratuitos para novos cadastros.
- CategoriaFerramentas de visão computacional
- Modelo de preçosFreemium
- ImplantaçãoNuvem
- PlataformasWeb
Destaques de Surya OCR 2.5
Modelo de Imagem-Texto-para-Texto: Processa imagens para extrair texto e informações estruturais.
Alta Precisão: Marca 85,9 no OmniParseBench e 83,7% no olmOCR-bench.
Alta Taxa de Processamento: Alcança 4,5 páginas/s na H100 a 192 DPI.
Suporte Multilíngue: Avaliado em 91 idiomas com taxa de aprovação geral de 74,9%.
Análise de Layout: Detecta tabelas, imagens, cabeçalhos e determina a ordem de leitura.
Reconhecimento de Tabelas: Extrai tabelas como HTML com células mescladas (colspan/rowspan).
Detecção de Linhas de Texto: Modelo separado para detecção precisa de texto em nível de linha.
Detecção de Erros de OCR: Modelo dedicado para identificar imprecisões de OCR.
Integração VLM: Executa reconhecimento de layout, OCR e tabelas através de um único VLM.
Backends de Inferência Flexíveis: Suporta vllm (GPU NVIDIA) e llama.cpp (CPU/Silicon da Apple).
Aplicativo Interativo Streamlit: Fornece uma interface interativa para testar imagens e PDFs.
Configurações Personalizáveis: Substitua configurações via variáveis de ambiente para ajuste fino.
Licenciamento Comercial: Apache 2.0 para código, Open Rail-M modificado para pesos do modelo.
Acesso à Plataforma Gerenciada: Disponível na plataforma gerenciada da Datalab com créditos gratuitos.
Tratamento de Matemática/Equações: Reconhece e exporta equações matemáticas em LaTeX compatível com KaTeX dentro do HTML.
Primeiros passos com Surya OCR 2.5
Instalar Surya OCR: Instale o pacote `surya-ocr` usando pip.
Configurar Backend de Inferência: Configure vllm (para GPU NVIDIA) ou llama.cpp (para CPU/Silicon da Apple) como servidor de inferência.
Executar Comando OCR: Execute o comando OCR com o caminho da sua imagem ou PDF para extrair texto e caixas delimitadoras.
Realizar Análise de Layout: Use o comando de layout para detectar a estrutura do documento e a ordem de leitura.
Extrair Tabelas: Utilize o comando de reconhecimento de tabelas para obter tabelas como saída HTML.
Processar Detecção de Linhas de Texto: Execute o comando de detecção de linhas de texto para identificar linhas de texto individuais.
Integrar via Python: Acesse as funcionalidades do Surya OCR diretamente de scripts Python.
Usar Aplicativo Interativo: Inicie o aplicativo Streamlit para testar interativamente o Surya em imagens ou arquivos PDF.
Casos de uso de Surya OCR 2.5
- Digitalização de Documentos
- Extração de Dados
- Arquivamento de Conteúdo
- Processamento Multilíngue de Documentos
- Compreensão de Layout
- Processamento Automatizado de Formulários
- Pesquisa e Academia
- Automação de Processos Empresariais








