描述
Unlimited OCR 2 是一款前沿的光学字符识别模型,专为高效处理超长文档解析而开发。通过利用稀疏参考滑动窗口注意力机制(SR-SWA),它将来自广泛序列的文本-视觉注意力交互压缩为固定大小的工作参考集,显著降低了计算复杂性。这一创新使得在有限的上下文窗口内实现真正的无限文档解析成为可能,有效消除了随着文档长度增加而出现的二次注意力扩展和内存瓶颈问题。
阅读更多
该模型在多个基准测试中表现出色,包括数十页和极端的百页测试,如 MPDocBench 和 MarathonDocBench。Unlimited OCR 2 支持 Transformers 和 SGLang 进行推理,提供灵活的部署选项。经过与 Python 3.10 和多个库的测试,确保与现代 AI 框架的兼容性。
对于多页推理,该模型可以在一次请求中解析文档的所有页面,利用跨页上下文进行全面分析。单页推理也得到支持,动态切片为默认模式。该模型与 ModelScope 和百度云等平台的集成进一步增强了其可访问性和可用性。
Unlimited OCR 2 非常适合需要大量文档处理的行业,如法律、学术和企业部门。它能够以最小的延迟和内存使用处理大量文本,使其成为希望简化文档管理流程的组织的宝贵工具。
- 类别AI 模型与大语言模型
- 定价模式开源
- 部署云端
- 平台网页版
Unlimited OCR 2亮点
稀疏参考滑动窗口注意力机制
无限视野文档解析
超长文档的最先进性能
支持 Transformers 和 SGLang
多页和单页推理
与 ModelScope 和百度云的集成
高效的内存和计算使用
与 Python 3.10 和现代 AI 库兼容
Unlimited OCR 2入门
访问模型:访问 Hugging Face
身份验证:使用您的凭据
设置环境:安装所需库
通过 API 集成:使用 Transformers 或 SGLang
优化:调整内存设置以提高效率
Unlimited OCR 2的使用案例
- 法律文档处理
- 学术研究
- 企业文档管理
- 数据提取
- 档案数字化








