Unlimited-OCR
一张长图一次推理，整页文字结构直接出
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-10-27 · 当前星标 ★ 28532
使用教程
⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
环境要求
- Python 运行环境（README 节选未给出具体版本，需查看仓库主页）
- 可运行 vLLM 推理的环境（README 提到已支持 vLLM 推理）
- 访问 Hugging Face 模型页 baidu/Unlimited-OCR 获取权重
- 待识别的长文档图片或整页扫描图
安装与启动步骤
-
1查看仓库说明
本节选只有发布动态，没有安装命令；需打开 GitHub 仓库主页阅读 README 的安装章节再操作。
-
2获取模型权重
从 Hugging Face 模型页 baidu/Unlimited-OCR 下载权重与配置文件，放到本地模型目录。
-
3选择推理方式
README 列出两条路径：本地用 vLLM 部署推理，或调用百度云 OCR 服务接口。
-
4准备输入图片
准备整页或整段长图作为输入，项目面向长版面单次解析，无需预先切分。
-
5执行解析
按仓库主页给出的示例脚本或接口文档传入图像，获取文本与版面结构输出。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
model_id | 是 | Hugging Face 上的模型标识，用于加载权重 | baidu/Unlimited-OCR |
如何确认成功
按仓库主页示例脚本或百度云接口文档传入一张长图，能返回识别文本与版面结构即成功。
常见问题
Q：README 里没有 pip 安装命令怎么办？
A：节选内容只有版本发布记录，安装步骤以 GitHub 仓库主页 README 的安装章节为准，不要凭猜测安装包。
Q：模型权重在哪里下载？
A：项目信息中给出了 Hugging Face 模型页 baidu/Unlimited-OCR，从中获取权重与配置文件。
Q：支持哪些推理方式？
A：README 提到已支持 vLLM 推理，同时模型已上线百度云 OCR 服务，可任选其一。
Q：可以用 ms-swift 训练吗？
A：可以，README 说明模型已支持使用 ms-swift 进行训练，具体脚本见 ms-swift 仓库。
Q：有在线体验入口吗？
A：README 提到已有 Hugging Face Spaces 演示，可先在线试用再决定本地部署。
注意事项
- 本次 README 节选缺少安装与运行命令，所有步骤需以仓库主页最新说明为准。
- 模型对显存有要求，长文档整页输入时建议先确认硬件规格。
- 下载权重与依赖时如遇网络缓慢，请按所在环境的网络策略自行处理，本项目不提供相关指导。
核心亮点
- 单次推理覆盖超长版面，减少分段拼接与上下文断裂
- 端到端输出文本加版面结构，省去多阶段流水线的误差累积
- Python 实现，接口清晰，便于嵌入现有文档处理流程
不足之处
- 长文档单次推理对显存与算力要求较高，普通设备部署成本不低
- 复杂表格与手写体等极端版面的准确率仍需按场景实测验证
- 中文文档与生态资料相对有限，落地需自行补充评测与调优
适用场景
- 扫描版合同、报告等长文档批量转结构化文本
- 多栏排版论文或杂志整页识别与版面还原
- 票据、表单截图等图文混排内容的信息抽取
替代项目
PaddleOCR、MinerU、Surya
下一篇：GLM-OCR
同类项目推荐
docslight
开源
上传任意文档，自动解析成结构化数据
With DocSlight, precisely parse and extract data from any document, including PDFs, ···
emgucv
开源
用 C# 直接调用 OpenCV，跨平台做图像处理与识别
Emgu CV is a cross platform .Net wrapper to the OpenCV image processing library.
latent-diffusion-segmentation
开源
用扩散模型做开放世界分割，一句话就能分割并修复图像
A Simple Latent Diffusion Approach for Panoptic Segmentation and Mask Inpainting [EC···
frigate
开源
本地实时识别摄像头物体，低延迟高隐私，智能家居联动神器
NVR with realtime local object detection for IP cameras
TagLab
开源
给海洋图像做标注，让珊瑚研究更高效
A CNN based image segmentation tool oriented to marine data analysis
RapidOCR
开源
多语言、多引擎的OCR工具集，一行代码搞定文字识别
Awesome OCR multiple programing languages toolkits based on ONNX Runtime, OpenVINO, ···
scanbot-sdk-example-flutter
开源
Flutter 里几行代码接入文档扫描与 MRZ 识别
Easy-to-use Flutter document scanner and data extraction plugin
techniques
开源
用深度学习搞定卫星图，从数据到模型一站通
Techniques for deep learning with satellite & aerial imagery
VITON-HD
开源
上传衣服和照片，秒出高分辨率试穿效果
Official PyTorch implementation of "VITON-HD: High-Resolution Virtual Try-On via Mis···