GutenOCR

用 VLM 做 OCR 的训练评测一条龙工具

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 方案在复杂版式、手写体或低质量图像上表现不稳定，而直接使用通用 VLM 做 OCR 又缺乏标准化训练流程和可复现的评测基准。项目提供从数据准备、多 GPU 分布式训练到基于 vLLM 的高效推理评测的完整链路，支持对 VLM 进行 OCR 专项微调，并给出统一的准确率、鲁棒性等评估指标。技术栈基于 Python，集成 LLM、多卡训练、vLLM 等组件，适合研究者快速搭建 VLM-OCR 实验管线，也方便工程团队对比不同模型在真实文档上的识别效果。当前星标约 191，属于早期项目，但方向明确，填补了 VLM 用于 OCR 时训练与评测工具链的空白。