surya

多语言文档一键 OCR，版面表格阅读顺序全搞定

Surya 是一个面向文档智能的开源工具包，核心解决多语言文档的 OCR 与结构化理解问题。它不仅能做传统文字识别，还覆盖版面分析、阅读顺序推断和表格识别，支持 90 多种语言，适合处理扫描件、PDF 截图、复杂排版文档等真实场景。项目以 Python 实现，提供命令行和 Python API，可输出文字位置、行/段落结构、表格单元格和阅读顺序，方便下游做检索、信息抽取或 RAG。相比只做纯 OCR 的方案，Surya 更强调“理解版面”，让机器知道文字属于哪一栏、哪张表、按什么顺序读，从而提升文档解析质量。它常被用于构建文档问答、票据处理、学术论文解析和知识库入库等流程，是开源文档 AI 中较完整的一站式选择。

开源 freemium 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 21396

维护状态较活跃

是否开源是

定价模式 freemium

项目数据

分类计算机视觉

开发团队datalab-to

所属国家

官网地址https://www.datalab.to

GitHubhttps://github.com/datalab-to/surya

定价模式freemium

价格说明开源模型免费，Datalab云服务提供免费额度及付费套餐

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型

GitHub 星标★ 21396

30天Star增速

HF 下载量

上线时间2024-01-10 00:00:00

最近更新2026-09-18 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-19

浏览次数0

使用教程

难度：入门约 10 分钟部署方式：库/依赖 5 步

环境要求

Python 环境与 pip（README 使用 pip 安装）
可联网，首次使用会下载模型权重（Surya 为 650M 参数 OCR 模型）
建议具备 GPU，README 提到在 RTX 5090 上吞吐约 5 pages/s
如做二次开发需安装 uv（手动安装方式使用 uv）

安装与启动步骤

1安装 Surya

用 pip 从 PyPI 安装 surya-ocr，会一并装好运行所需的依赖。
```
pip install surya-ocr
```
2开发者手动安装

需要改源码时用 uv 方式：克隆仓库、同步运行时与开发依赖，再在虚拟环境中运行。
```
git clone https://github.com/datalab-to/surya.git
cd surya
uv sync --group dev
```
3配置推理后端

可选。默认首次使用会自动拉起推理管理器，也可用环境变量指向已有服务或切换后端。
```
export SURYA_INFERENCE_URL=http://host:port/v1
export SURYA_INFERENCE_BACKEND=vllm
```
4运行 OCR

README 未给出具体参数示例，先查看命令帮助确认可用选项，再对文档执行识别。
```
surya_ocr --help
```
5查看可调设置

所有设置集中在 surya/settings.py，任意设置都可用同名环境变量覆盖。

关键配置

配置项	必填	说明	示例
`SURYA_INFERENCE_URL`	否	指向已有推理服务地址，避免自动启动本地推理服务	`http://host:port/v1`
`SURYA_INFERENCE_BACKEND`	否	指定推理后端，例如 vllm	`vllm`
`surya/settings.py 中的设置`	否	项目全部可调设置，均支持用环境变量覆盖	`见 surya/settings.py`

如何确认成功

执行 surya_ocr 命令能正常加载模型并输出识别结果（首次会自动下载权重），说明安装成功。

常见问题

Q：可以免费商用吗？

A：代码为 Apache 2.0；模型权重为修改版 AI Pubs Open Rail-M，研究、个人使用及融资/营收低于 500 万美元的初创可免费，更大范围商用需申请授权。

Q：如何接入已有推理服务？

A：设置环境变量 SURYA_INFERENCE_URL=http://host:port/v1 指向该服务即可，无需本地自动拉起推理服务。

Q：支持哪些语言？

A：支持多语言，在 91 种语言的内部基准集上得分为 87.2%，可处理多语言文档。

Q：Surya 2 包含哪些能力？

A：通过单一 VLM 完成版面分析、OCR 和表格识别，并输出阅读顺序与表格行列结构。

注意事项

代码与模型权重许可不同，商用前请确认是否符合 Open Rail-M 的免费条件。
首次调用会自动启动推理管理器并下载模型，需保证网络与磁盘空间充足。
文本检测与 OCR 是分开的模型，出错时可分别排查。
README 中命令行参数以省略号形式给出，实际参数请以 surya_ocr --help 输出为准。

核心亮点

支持 90+ 语言 OCR，多语言文档场景覆盖广
同时提供版面分析、阅读顺序和表格识别，输出结构化信息而非纯文本
Python 实现，提供 CLI 与 API，易于集成到文档解析和 RAG 流程

不足之处

模型体积和推理资源占用较大，轻量部署需额外优化
复杂表格和低质量扫描件的识别精度仍有提升空间

适用场景

扫描版 PDF 或图片文档批量转结构化文本
多语言合同、票据、论文的版面与表格信息抽取
为 RAG 知识库构建高质量文档解析与阅读顺序还原

替代项目

PaddleOCR、MinerU、docTR

项目介绍

surya 是一个计算机视觉领域的开源项目，官方简介：OCR, layout analysis, reading order, table recognition in 90+ languages。项目使用 Python 开发，在 GitHub 上获得 21396 星标。

上一篇：CHINESE-OCR

下一篇：HunyuanOCR