长文档 OCR 新利器|百度 Unlimited‑OCR‑2 本地部署实测,百页一次性解析

模型地址：

https://www.modelscope.cn/models/PaddlePaddle/Unlimited-OCR-2

Unlimited‑OCR‑2 是百度推出的开源超长文档视觉 OCR 大模型，解决传统 OCR“页数越多，内存占用越高、识别效果下降” 的行业难题。

✨核心亮点

1. 超长上下文，支持百页文档一次性识别
   采用滑动记忆窗口注意力机制，处理第 1 页和第 100 页内存开销几乎不变，不用手动拆分 PDF、不用逐页循环调用，直接传入多页图片 / PDF，一次性输出全文内容，彻底解决长文档 KV 缓存无限膨胀问题。
2. 文档布局理解能力强
   不仅仅提取纯文字，可识别标题、正文、表格、图片区块，输出带位置的结构化结果；保留文档阅读顺序，不会出现文字乱序，适合书籍、扫描档案、合同、财务报表、古籍扫描件。
3. 多格式输入兼容
   支持单张图片、批量图片序列、PDF 文件输入；中英文混合文档识别表现优秀，对扫描复印件、低清晰度印刷文档容错能力高。
4. 完全本地私有化运行
   全部模型权重本地加载，不上传文件到第三方服务器，适合涉密资料、内部档案数字化，数据完全可控。

⚠️硬件参考

• 推荐 GPU：NVIDIA 显卡，显存≥8.5G，完整精度运行；显存较小可开启量化降低显存占用。
• Python 版本建议 3.10‑3.12，不建议过低版本。

局限提醒：不擅长手写文字识别，主要面向印刷类文档、扫描印刷资料。

github地址：

https://github.com/baidu/Unlimited-OCR

提示：建议新建独立 Python 虚拟环境，避免包版本冲突。

步骤 1：创建虚拟环境（可选但强烈推荐）

进入d盘，例如：D:\file\unlimited-ocr2-win，注意：路径不要太长。

python -m venv .venv.\.venv\Scripts\activate.bat.venv\Scripts\python.exe -m pip install -U pippip install torch==2.13.0 torchvision==0.28.0 --index-url https://download.pytorch.org/whl/cu130

新建文件requirements.txt，内容如下：

transformers==4.52.1          # 官方 README 指定版本tokenizers==0.21.4            # 与 transformers 4.52.1 匹配，别单独升级huggingface-hub==0.36.0       # 同上，transformers 4.52 的兼容上限addict==2.4.0                 # modeling_unlimitedocr.py 直接用（Addict 配置对象）einops==0.8.2                 # deepencoder.py / _sparse_base_impl.pyeasydict==1.13                # deepencoder.pynumpy                         # 模型代码直接用（原来靠 transformers 传递安装，显式声明更稳）tqdm                          # 模型代码直接用（进度条）gradio>=5.0                   # app.py 对 5.x / 6.x 都做了兼容探测pillow                        # app.py 读图 + 模型代码直接用 PILpymupdf==1.27.2.2             # app.py 里 import fitz，PDF → 图片# --- 权重下载（setup.ps1 用；app.py 的自动补下也用） ---modelscope

安装依赖

pip install -r requirements.txt

步骤 2：下载模型，从魔塔社区下载，速度最快

pip install modelscopemodelscope download --model PaddlePaddle/Unlimited-OCR-2 --local_dir models\Unlimited-OCR-2

步骤 3：创建web可视化页面

注意：官方github并未提供web可视化代码，我是用deepseek写的。

新建app.py，代码比较长，如果需要，可以留言。

运行完成后，会自动打开页面，http://127.0.0.1:7860/，效果如下：

上传一个单页PDF文件，如果你没有PDF文件，可以先用wps新建一个world文档，然后输入一段内容保存，另存为PDF文件即可

上传PDF文件，点击开始解析

右侧会实时显示解析结果

解析完成后，这里会提示下载

文件在本地outputs文件夹

✅档案数字化、图书馆书籍电子化 

✅合同、报表、报告批量解析 

✅需要私有化 OCR，禁止文件外传的企业 

✅研究者、开发者做文档解析二次开发

❌不适合：大量手写笔记识别、纯图片绘画内容解析。

写在最后

Unlimited‑OCR‑2 最大的创新点，是打破传统 OCR 一页一处理的范式，把超长文档识别真正做到本地开源可用。如果你经常处理多页扫描 PDF，不妨本地跑起来试一试。

提示：开源项目仅供学习研究使用，商用请查阅项目开源许可协议。

文章读完后，你的点赞、分享、推荐，我们都深表感谢！