GutenOCR

用多卡 vLLM 训练评测 VLM，把图片文字识别做准

GutenOCR 是一个面向 OCR 场景的开源工具集，专注于视觉语言模型（VLM）的训练与评测。它解决的核心问题是：传统 OCR 方案在复杂版面、手写体、多语言或低质量图像上表现有限，而直接用通用 VLM 做 OCR 又缺乏标准化训练流程和可复现的评测基准。项目提供训练脚本、多 GPU 分布式支持（基于 vLLM 推理加速），以及一套评测流程，帮助开发者用自有数据微调 VLM 并量化识别效果。核心能力包括：支持多卡并行训练与推理、集成 vLLM 提升吞吐、提供 OCR 专用评测指标与数据管线。适合想快速搭建 VLM-OCR 实验环境的研究者或工程团队，降低从零实现训练与评测的成本。