Baiduが「Unlimited-OCR」を公開しました。複数ページのPDF全体を一度に処理できる、オープンソースの強力なツールです。すでにスター数は28.3Kに達しています。

DeepSeek-OCRをベースに構築されており、スキャン画像や写真、長文ドキュメントを、AIワークフローにそのまま取り込める、きれいで検索可能なテキストに変換します。

今すぐHugging Faceで無料で試せます。NVIDIA GPUがあれば、Transformers/vLLMで自分の環境に立ち上げることもできます。ModelScopeとBaidu Cloudでも公開中です。

AI分野で開発や研究に取り組む人たちの生産性を、大きく向上させてくれるのが、こうした基盤ツールです。