https://www.e7coding.com/tags/pdf/Recent content in PDF on E7CodingHugozh-cnJoyJoyTue, 30 Jun 2026 13:35:00 +0800https://www.e7coding.com/posts/baidu-unlimited-ocr-introduction/Tue, 30 Jun 2026 13:35:00 +0800Joyhttps://www.e7coding.com/posts/baidu-unlimited-ocr-introduction/<p>最近百度开源了一个新的 OCR 模型：<strong>baidu/Unlimited-OCR</strong>。</p> <p>它不是传统意义上「识别一张图片里的文字」的轻量 OCR 工具，而是更偏向 <strong>长文档解析</strong>：把论文、报告、书籍、扫描 PDF 这类多页文档，尽量完整地转成可读、可编辑、可继续处理的文本或 Markdown。</p> <p>如果你关心的是 PDF 转 Markdown、长文档 OCR、本地私有化文档解析，那么这个模型值得放进候选列表。</p> <h2 id="它解决的不是单页-ocr而是长文档解析">它解决的不是单页 OCR，而是长文档解析</h2> <p>传统 OCR 很多时候处理的是单张图片：截图、证件、发票、表单、票据。</p> <p>但真实文档解析经常更麻烦：</p> <ul> <li>一份 PDF 有几十页，甚至上百页。</li> <li>页面里有多栏排版、表格、标题、脚注、引用。</li> <li>内容里可能混有中文、英文、公式、代码、图注。</li> <li>用户希望拿到的不是一堆孤立文本框，而是一份结构尽量完整的 Markdown。</li> </ul> <p>这就是 <code>baidu/Unlimited-OCR</code> 更擅长的方向。它更像一个「文档转写模型」，目标不是只把字识别出来，而是尽量保留文档的阅读顺序和结构。</p>