Unlimited-OCR-2：百页千页文档一次解析，超长合同、整本书都能一次搞定，不再卡顿

无言***

Unlimited-OCR-2：百页千页文档一次解析，超长合同、整本书都能一次搞定，不再卡顿 ... ... ...

Unlimited-OCR-2 是百度开源的多模态 OCR 模型（约 3B 参数，MIT 许可证），专门解决“超长文档一次性完整解析”的问题。它号称开启了 OCR 3.0 时代，从“能处理长文档”升级到“几乎不限页数”。简单说，它把以前“页数一多就卡死”的 OCR 痛点基本解决了，特别适合真正意义上的长文档端到端解析。



主要特点

普通 OCR 或视觉语言模型在处理几十上百页文档时，会因为注意力机制计算量爆炸（二次方增长），导致显存爆、速度变慢、效果下降。

Unlimited-OCR-2 的关键技术是 SR-SWA（Sparse Reference Sliding Window Attention，稀疏参考滑动窗口注意力）：
把超长文档的视觉-文本注意力，压缩成固定大小的“工作参考集”（例如只保留 512 个关键 token）。
就像人读书时只重点看当前页，偶尔回头翻以前相关页一样，而不是同时盯着整本书的每一页。
结果是：无论文档有多长（几十页、上百页甚至上千页），每一步的计算延迟和显存占用几乎保持稳定，不会随页数暴增。

其他亮点：
支持多页一次性输入（跨页理解上下文，输出时按页组织）。
在 MPDocBench（多页文档）和 MarathonDocBench（百页级超长文档）上达到当前最优（SOTA）表现。
实测能一次性处理整套《哈利·波特》系列（累计超 3600 页）这类极端长文档，并保持较高精度。





应用领域

超长合同、法律卷宗、招股书、财报：一次解析整份文件，保留跨页逻辑和结构。
书籍、历史档案、古籍数字化：整本书或整批档案直接转成可搜索、可编辑的文本。
企业知识库与文档智能：把海量扫描件、PDF 转成结构化数据，方便检索和问答。
教育、出版、科研：教材、论文集、研究报告的批量高精度 OCR。
任何需要“整本理解”而不是“逐页割裂”的场景。





使用教程：（建议N卡，显存8G起，支持50系显卡）

包含主程序压缩包和模型文件（models文件夹），分别下载，解压主程序后，将模型文件移动到主程序目录下即可

上传需要解析的文档（支持图像和pdf格式），点击解析即可
支持批量



下载地址：
光鸭云盘：https://www.guangyapan.com/s/1962469202502705195_afKpfuS_zVounNhq


夸克网盘：

🔒登录后查看

需要登录才能查看内容

立即登录