Indra OCR: 1M-Parameter-OCR-Modell läuft auf der CPU

Worum es geht

Datalab hat Indra OCR auf Hugging Face veröffentlicht, ein extrem kleines OCR-Modell mit rund 1 Mio. Parametern. Es wandelt PDFs und Bilder in Markdown, Text oder JSON mit Boxen um und läuft über ONNX Runtime auf der CPU, ohne PyTorch und ohne GPU.

Die wichtigsten Fakten

• Größe: ca. 1M Parameter, Download der Modelle beim ersten Start etwa 76 MB.
• Genauigkeit: 66,7 auf OmniParseBench (71,4 mit --math), PaddleOCR PP-StructureV3 kommt auf 58,4. Text-Score 46,7 gegenüber 35,8 (PP-OCR) und 19,3 (Tesseract).
• Geschwindigkeit: etwa 44 Seiten/s auf 32 CPU-Kernen, rund 210 ms pro Seite auf 4 Kernen; laut Datalab 15x schneller als Tesseract.
• Funktionen: über 80 Sprachen, Handschrift (25,2 % auf den Handschrift-Tests), gedrehte oder bis 45° geneigte Scans, Layout mit Reading Order, Text-Layer digitaler PDFs.
• Installation: pip install indra-ocr, dann indra-ocr paper.pdf; es gibt einen lokalen Web-Viewer.
• Lizenz: Code Apache 2.0, Modell OpenRAIL-M (mit Einschränkungen, siehe Datalab-Preisseite).

Einordnung

Für alle, die große Dokumentmengen lokal und ohne GPU verarbeiten wollen, ist das ein interessanter Ansatz. Die Benchmarks stammen vom Hersteller selbst, und die Handschrifterkennung ist mit 25,2 % deutlich begrenzt. Für höchste Genauigkeit verweist Datalab auf das eigene kostenpflichtige Chandra-Modell.