百度开源了这款一次吃下40页文档的OCR神器,完全本地运行!

我发现了一个颠覆文档处理的开源神器：Baidu Unlimited-OCR，一次吃下40页文档！

最近刷到百度刚刚开源的Unlimited-OCR，直接让我眼前一亮——这可能是今年文档处理领域最值得关注的开源项目之一。

传统OCR工具一直让我头疼：必须一页页切开处理，跨页的表格经常断裂，阅读顺序乱套，上下文也丢失。遇到长文档、复杂表格、公式混杂的论文或报告，处理完还得手动拼凑，效率低到让人抓狂。

而Unlimited-OCR完全不一样。它能把整份文档（最多40页以上）一次性丢进去处理！

它采用3B参数的MoE架构，推理时仅激活500M参数，却拥有32K的超长上下文窗口。核心创新是Reference Sliding Window Attention（R-SWA），让KV Cache保持恒定，真正实现“一口气”解析整篇文档。文本、公式、表格、阅读顺序全部完美保留，最后直接输出干净结构化的Markdown。

实测表现也亮眼：

• 在标准基准上达到93%准确率，比基线高出6个百分点
• 超过40页后，错误率依然控制在0.11以下
• 原生支持多语言，开箱即用
• 完全本地运行，零成本、无需上传云端

目前Hugging Face上单月下载量已超212万，GitHub也有1.46万星，热度可见一斑。

对比之下，Amazon Textract、Google Cloud Vision、Azure Document Intelligence这些云服务都是按页收费，敏感文档还得担心隐私问题。Unlimited-OCR直接本地免费跑，性价比直接拉满。

我自己试了试，处理长报告或学术论文时，效率提升不是一点半点。尤其是需要提取结构化数据喂给大模型训练的场景，这工具简直是生产力神器。

感兴趣的朋友可以去Hugging Face搜 baidu/Unlimited-OCR 直接体验。开源项目，MIT协议，欢迎大家玩起来、改起来。

AI工具越来越“懂”文档了，你最近在用什么OCR工具处理长文档？欢迎评论区分享你的经验，一起交流～

（欢迎点赞、转发，让更多人看到这个好工具！）