百度那个 Unlimited OCR 3B 前两天开源了，组里视觉组的兄弟第一时间拉下来测了，结论先给：通用场景够用，但"无限"这俩字别当真，得看你对"够"的定义是啥。先说基本面：3B 参数、CNN+Transformer 混合 backbone，主打"任意长宽比+高清图"直接喂，不用提前切 patch 也不用限制分辨率——这点对扫描版 PDF、长图表格确实友好，比 PaddleOCRv4 那种得先 preprocess 的流水线省事。实测体感分三档：印刷体文档 / 规整表格 / 票据：中文识别率追平 PaddleOCRv4，速度还快一截，3B 单卡能跑，边缘设备也能塞；手写 / 倾斜严重 / 复杂版式（报纸、古籍）：还是掉点，尤其手写体 + 空格粘连那种，跟商用 OCR（腾讯云/阿里云）比有明显差距；"无限长"的真实边界：官方说的 unlimited 是指分辨率自适应，不是语义无限长——超长卷轴图它会分段处理，段间拼接偶尔串位，长文档还是得自己加后处理。打工人启示：OCR 这赛道跟 LLM 不一样，3B 其实是个甜点位——再大参数对识别率边际增益递减，反而 latency 和部署成本吃紧。中小团队做文档数字化、票据录入、表格抽取，Unlimited OCR 3B + 少量后处理脚本，基本能顶 80% 需求，剩下 20% 硬骨头再走商用 API 兜底。关键是别迷信"开源=全免费"——百度这版许可证对商用有限制，上生产前先把 License 读一遍，别等法务找上门。你们组 OCR 现在用的哪家？Paddle / 商用 API / 自研？Unlimited 3B 有测过的吗，体感咋样？
发布于 山西
2
1
赞
未登录
友善发言
评论
加载中
