在线教程丨32K上下文一次解析数十页文档,百度开源Unlimited OCR,重构长复杂场景

过去几年，OCR 已逐渐从「识别图片里的文字」演变为完整的文档理解（Document Understanding）任务。企业和开发者不仅需要提取文本，还希望模型能够识别复杂版面结构、解析表格与公式、理解多栏排版，并最终输出适合下游 RAG、知识库或办公自动化使用的结构化结果。然而，当处理扫描报告、论文、PPT、合同以及多页 PDF 等长文档时，传统 OCR 流程往往需要逐页推理、再进行后处理拼接，不仅效率较低，也容易造成上下文信息割裂。

以 DeepSeek OCR 为代表的新一代端到端 OCR 模型，通过引入大语言模型作为解码器，充分利用语言先验，显著提升了识别准确率和复杂版面解析能力。但与此同时，一个新的挑战也随之出现：随着输出内容不断增长，模型的 KV Cache 会持续累积，显存占用越来越高，生成速度也会越来越慢。换句话说，模型越接近文档结尾，推理成本越高。

百度团队近期开源的 Unlimited OCR 正是针对这一行业痛点提出了解决方案。该模型以 DeepSeek OCR 为基础，引入全新的 Reference Sliding Window Attention（R-SWA） 机制，替换了解码器中的传统 Attention，在降低 Attention 计算成本的同时，将整个解码过程中的 KV Cache 控制为恒定大小。结合 DeepSeek OCR 编码器本身较高的信息压缩能力，Unlimited OCR 能够在默认 32K 上下文长度下，一次前向推理完成数十页文档的 OCR 与版面解析，为长文档处理提供了一种更具工程价值的新思路。更值得关注的是，R-SWA 并不仅适用于 OCR，还具备扩展至自动语音识别（ASR）、机器翻译等长序列解析任务的潜力。

目前，HyperAI（hyper.ai）的教程版块已上线「Unlimited-OCR：一键部署长文档 OCR 与版面解析」，降低部署门槛，助力快速验证模型 ⬇️

在线运行：https://go.hyper.ai/YfaB5

查看相关论文：https://go.hyper.ai/PZsJo

Demo 示例

更多在线教程：

https://hyper.ai/notebooks

1.进入 hyper.ai 首页后，选择「教程」页面，或点击「查看更多教程」，选择「Unlimited-OCR：一键部署长文档 OCR 与版面解析」，点击「运行此教程」。

2.页面跳转后，点击右上角「Clone」，将该教程克隆至自己的容器中。

注：页面右上角支持切换语言，目前提供中文及英文两种语言，本教程文章以英文为例进行步骤展示。

3.选择「NVIDIA RTX 5090」以及「PyTorch」镜像，点击「Continue job execution（继续执行）」。

4.等待分配资源，当状态变为「Running（运行中）」后，点击「Open Workspace」进入 Jupyter Workspace。

1.页面跳转后，点击左侧 README 文件，进入后点击上方 Run（运行）。

2.待运行完毕后，点击右侧 API 地址即可打开 Demo 界面。