🎯 OCR de imagen única
Dos modos: Gundam (base_size=1024, con recorte) para layouts complejos, y Base (image_size=1024) para documentos estándar.
Próximamente
Unlimited-OCR
Motor OCR de nueva generación de Baidu. Análisis de documentos one-shot long-horizon con ventana de contexto de 32K — imágenes, documentos multipágina y PDFs. Próximamente en PDF to MD.
Análisis one-shot32K contextoPDF & ImagenLicencia MITSGLang Serving
32.768 Tokens de contexto
300 DPI Precisión de renderizado PDF
2 modos Modos Gundam / Base
MIT Licencia open source
Qué es Unlimited-OCR
Unlimited-OCR es un sistema OCR open source de Baidu, posicionado como solución de análisis documental de nueva generación. Procesa documentos muy largos en una sola pasada — verdadero análisis one-shot long-horizon.
📄 Documentos multipágina
Entrada de múltiples imágenes en secuencia con análisis conjunto automático. Mecanismo anti-repetición evita salida redundante.
📑 Análisis PDF directo
Renderiza páginas PDF en imágenes 300 DPI mediante PyMuPDF para análisis multipágina. Sin preprocesamiento.
⚡ Inferencia de alto rendimiento
Dos backends: Hugging Face Transformers y SGLang. SGLang ofrece API compatible con OpenAI y FlashAttention 3.
🔧 Procesamiento por lotes
Script infer.py integrado que lanza automáticamente el servidor SGLang con peticiones concurrentes. Soporta directorios de imágenes o entrada PDF.
🏗️ Stack tecnológico
PyTorch con precisión bfloat16 en GPU NVIDIA. Requiere Python 3.12, CUDA 12.9, Transformers 4.57.1.
Próximamente en PDF to MD
Estamos integrando Unlimited-OCR en la plataforma PDF to MD, trayendo capacidades más potentes de análisis documental. Una vez integrado, podrás acceder a todas las funciones a través de nuestra API.
🌐 Experiencia online
Sube documentos directamente en el sitio PDF to MD y selecciona el motor Unlimited-OCR para experimentar el análisis one-shot de documentos largos.
🔌 API para desarrolladores
API RESTful próximamente — soporte para imagen única, multipágina y PDF con streaming, procesamiento por lotes y parámetros personalizados.
📊 Salida estructurada
Resultados del análisis directamente en Markdown, preservando tablas, listas y jerarquías de títulos para integración con LLM.
🛡️ Estable y fiable
Basado en el framework de inferencia SGLang con auto-escalado y recuperación de fallos para servicio OCR de nivel empresarial.
Cómo funciona
Desde la subida del documento hasta la salida estructurada — completamente automatizado.
01 Subir PDF / Imagen
02 Análisis Unlimited-OCR
03 Markdown estructurado
04 API / Descargar salida
Obtén acceso anticipado
La API de Unlimited-OCR se lanzará pronto. Si deseas acceso anticipado, detalles de precios o colaboración técnica, contáctanos.