登录 注册

Unlimited-OCR

去点 Star
图像、视频与音频
31,107
Stars
0
Forks
0
Watchers
0
Open Issues
未知
许可证
Python
语言
创建时间
最近更新

项目能做什么

百度开源文档解析工具，开启单阶段长程文档解析时代。
来源：AI 基于仓库事实生成 · 内容以仓库实际 README 为准

使用说明 查看原始 README 原仓库文档

中文使用说明暂未生成。下面保留原仓库 README 摘录，命令与配置均以原文为准。
原始 README 摘录（英文原文，节选前 3000 字符） 
<div align="center">

<img src="assets/logo.png" width="40%" alt="Baidu Inc." />

</div>

<hr>

<h1 align="center">Unlimited OCR Works</h1>

<div align="center">
<a href="https://trendshift.io/repositories/62053?utm_source=trendshift-badge&amp;utm_medium=badge&amp;utm_campaign=badge-trendshift-62053" target="_blank" rel="noopener noreferrer"><img src="https://trendshift.io/api/badge/trendshift/repositories/62053/daily" alt="baidu%2FUnlimited-OCR | Trendshift" width="250" height="55"/></a>
</div>

<div align="center">
  <a href="https://github.com/baidu/Unlimited-OCR">
    <img alt="GitHub" src="https://img.shields.io/badge/GitHub-Code-181717?logo=github&logoColor=white" />
  </a>
  <a href="https://huggingface.co/baidu/Unlimited-OCR">
    <img alt="Hugging Face" src="https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Unlimited--OCR-ffc107?color=ffc107&logoColor=white" />
  </a>
  <a href="https://huggingface.co/baidu/Unlimited-OCR-2">
    <img alt="Hugging Face" src="https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Unlimited--OCR--2-ffc107?color=ffc107&logoColor=white" />
  </a>
</div>

<div align="center">
  <a href="https://arxiv.org/abs/2606.23050">
    <img alt="arXiv" src="https://img.shields.io/badge/arXiv-Unlimited OCR Works-b31b1b?logo=arxiv&logoColor=white" />
  </a>
    <a href="https://arxiv.org/abs/2610.39308">
    <img alt="arXiv" src="https://img.shields.io/badge/arXiv-Unlimited OCR Works 2-b31b1b?logo=arxiv&logoColor=white" />
  </a>
  <a href="https://x.com/Baidu_Inc" target="_blank">
    <img alt="Twitter Follow" src="https://img.shields.io/badge/Twitter-Baidu Inc.-white?logo=x&logoColor=white" />
  </a>
</div>

<h3 align="center">Pioneering the OCR-3.0 Era: From Long- to Unlimited-Horizon Parsing.</h3>

<div align="center">

<img src="assets/Unlimited-OCR2.png" width="600" alt="Unlimited OCR 2 overview" />

</div>


## Release
- [2026/11/02] 📄 The paper of **Unlimited OCR 2** is now available on [arXiv](https://arxiv.org/abs/2610.39308).
- [2026/10/28] Thanks to the [ms-swift community](https://github.com/modelscope/ms-swift) for supporting training of **Unlimited OCR 2**.
- [2026/10/27] 📊 We release [**MarathonDocBench**](https://huggingface.co/datasets/baidu/MarathonDocBench), a new benchmark for ultra-long document parsing.
- [2026/10/27] 🤝 Thanks to the [ModelScope community](https://github.com/modelscope) for their support. Our model is now available at [ModelScope](https://modelscope.cn/models/PaddlePaddle/Unlimited-OCR-2).
- [2026/10/27] 🤝 Thanks to the Baidu Cloud team for their support. Our model is now available on [Baidu Cloud](https://cloud.baidu.com/doc/OCR/s/fmr1p39gb).
- [2026/10/27] 🤝 Thanks to [AK](https://x.com/_akhaliq) for creating a new demo for us. Try it at [Unlimited-OCR-2](https://huggingface.co/spaces/baidu/Unlimited-OCR-2).
- [2026/10/27] 🚀 We release [**Unlimited OCR 2**](https://github.com/baidu/Unlimited-OCR), achieving unlimited-horizon parsing with SR-SWA.
- [2026/07/21] 🤝 Thanks
阅读完整原文

商业机会分析 AI 生成

垂直行业百页级文档结构化解析 SaaS（推测）

产品构想依托 Unlimited-OCR 2 的百页级连续解析能力（或调用百度智能云官方接口/自建 vLLM 推理服务），针对特定垂直领域（如标书拆解、长篇研报/法律卷宗结构化）封装开箱即用的 Web 工具，解决传统逐页 OCR 跨页上下文断裂问题（推测）。
核心功能百页 PDF 一键上传解析、跨页表格/段落连续性保留、Markdown/JSON 结构化导出、与主流知识库工具对接（推测）。
目标用户律师事务所、投研分析师、招投标代理机构及中小企业的文档处理人员（推测）。
难度/周期中（模型与 vLLM 推理已由社区支持，但仓库本身 docker=0/db=0/apikey=0，需自行补齐前后端、任务队列与鉴权计费系统，推测） · 4-8周（推测） · 成本：中至高（若自建 GPU 运行 vLLM 推理成本较高；若对接百度智能云 API 则为按量采购成本，推测）
收费模式按页/按文件大小充值、月度会员订阅（推测，不保证收益）。
竞争风险1. 仓库 License 信息缺失，直接自建模型提供商业 SaaS 存在开源协议合规风险；2. 百度智能云已提供官方服务，独立产品需避免同质化竞争（推测）。
依据 AI推测

基于 vLLM 与 ms-swift 的企业私有化 OCR 部署与微调服务（推测）

产品构想面向数据安全敏感且不愿使用公有云的企业，提供基于 Unlimited-OCR 2 的内网容器化部署方案，并利用其已支持的 ms-swift 框架针对企业内部特殊单据或长文档进行定制微调（推测）。
核心功能Docker/Kubernetes 标准化推理镜像打包（弥补仓库 docker=0 的空白）、vLLM 高并发推理调优、基于 ms-swift 的领域数据微调流水线、内网 API 网关（推测）。
目标用户对数据合规要求高的金融、政务、大型制造及医疗机构 IT 团队（推测）。
难度/周期高（涉及多机/大显存 GPU 调度、推理性能调优及长周期政企交付，推测） · 2-4个月（推测） · 成本：高（需要资深算法与工程交付人力，以及微调测试所需的 GPU 算力成本，推测）
收费模式一次性项目制部署费 + 领域微调技术服务费 + 年度运维支持费（推测，不保证收益）。
竞争风险1. 未明确开源 License 是否允许商用或需向百度单独申请授权；2. 个人开发者缺乏企业背书，难以直接承接大型政企私有化订单；3. 缺乏现成 Issue 反馈参考，生产环境边界 Bug 排查成本未知（推测）。
依据 尚需验证的假设

超长文档解析质量评测与行业基准定制工具（推测）

产品构想结合仓库发布的 MarathonDocBench（百页超长文档基准）与 MPDocBench 评测体系，为正在选型 OCR/文档解析方案的企业或 AI 团队提供跨模型对比评测工具与行业测试集构建服务（推测）。
核心功能多引擎（如对比 DeepSeek-OCR、Unlimited-OCR 2 等）自动化评测看板、超长文档延迟与显存监控、行业定制评测集标注与指标报告生成（推测）。
目标用户正在进行文档解析模型选型的企业技术团队、RAG 基础设施供应商、文档大模型研发团队（推测）。
难度/周期中（工程实现相对轻量，难点在于构建高质量行业标注集和获取付费客户，推测） · 4-6周（推测） · 成本：低至中（主要为评测脚本开发与少量测试用云端 GPU 费用，推测）
收费模式评测报告按次收费、企业私有评测套件授权或数据标注服务费（推测，不保证收益）。
竞争风险评测工具本身往往属于低频需求，独立作为主营商业产品的市场天花板可能有限（推测）。
依据 AI推测
AI 基于仓库公开数据分析生成，含推测成分，不构成收益承诺。
报告会保存到 个人中心

竞品与相似项目 GitHub Search 真实检索

项目中文简介Stars语言
Dicklesworthstone/franken_ocr 中文介绍暂未生成
Pure-Rust, CPU-only OCR engine for Baidu Unlimited-OCR (a De
 347 Rust
RustedBytes/unlimited-ocr-server 中文介绍暂未生成
An inference server for the Unlimited-OCR model
 52 Rust
Konsn666/unlimited-ocr-mac 中文介绍暂未生成
🍎 Mac (Apple Silicon) adaptation of baidu/Unlimited-OCR 6.7B
 36 Python
win4r/unlimited-ocr2-webui 中文介绍暂未生成
Browser workbench for Baidu Unlimited OCR 2: PDF/image OCR,
22 Python
say4n/unlimited-ocr-container 中文介绍暂未生成
fast and easy way to run https://github.com/baidu/Unlimited-
 19 Python
AIwork4me/Unlimited-OCR-ROCm 中文介绍暂未生成
Run Baidu Unlimited-OCR on AMD GPUs at 56 tok/s with zero ac
 16 Python
以上为通过 GitHub 官方 Search API 检索的相似项目，功能差异与优劣势需进一步人工确认，配置 AI 后可生成对比分析。

项目优势与风险

技术成熟度创建于 ，最近推送
社区活跃Star 31,107 / Fork 0 / Issue 0（数据支持，可自行核实）
许可证未检测到（需人工确认）
主要风险上游项目方向可能变化；同赛道竞争者较多（见竞品表）；热度与需求不完全等价

安装与使用

快速开始（以仓库 README 为准）
git clone https://github.com/baidu/Unlimited-OCR.git
cd Unlimited-OCR
# 请阅读仓库 README 获取确切安装步骤（依赖、配置、启动命令）
阅读原仓库文档
术语说明：Docker＝应用容器（把程序和依赖打包运行）；API Key＝调用外部服务的密钥；Git Clone＝把仓库代码下载到本地。常见错误：API Key 未配置 / 端口占用 / 数据库连接失败，多数项目在 README 的 Troubleshooting 章节有说明。