一次性解析整本 PDF 格式的文件

以前跑一本合同扫描件，传统 OCR 识别完，跨页表格断成两半，段落顺序全乱。最后还得人工一页页拼回去，比自己敲还累。

百度开源的 Unlimited-OCR 直接换了个思路：把整篇文档当个整体处理。它一口气吞下整本 PDF，统一输出结构化结果。跨页的表格、公式和图片，终于不用再靠代码硬拼了。

这项目在 GitHub 上已经拿了 23.6K 星。单图识别分两套配置，复杂版面用 gundam 模式，普通文档用 base 模式直推。多页直接调 infer_multi 接口就行。

它还打通了三套推理后端。本地调试用 Transformers，生产环境上 vLLM 或 SGLang。模型也接进了 ms-swift 框架，团队想自己微调，省去了搭 Trainer 的麻烦。

不过它也不是万能药。纯单页的简单票据，还是 PaddleOCR 更轻量；对实时性要求极高又缺显存的场景，用它也有点吃力。

下次再面对几百页的 PDF，终于不用熬夜拼页码了。