🎯 单图识别
两种处理模式：Gundam 模式（base_size=1024，启用裁剪）适合复杂版面，Base 模式（image_size=1024）适合标准文档，灵活适配不同场景。
32,768 Token 上下文长度
300 DPI PDF 渲染精度
2 种模式 Gundam / Base 模式
MIT 开源协议
什么是 Unlimited-OCR
Unlimited-OCR 是百度推出的开源 OCR 系统，定位为超越 DeepSeek-OCR 的下一代文档解析方案。它能够在单次推理中处理超长文档，无需分段或多次调用，实现真正的单次长文档解析。
📄 多页文档
支持多图序列输入，自动进行多页联合解析。搭配反重复机制，有效避免重复输出。
📑 PDF 直接解析
通过 PyMuPDF 将 PDF 页面渲染为 300 DPI 图像后进行多页解析，无需预处理，直接从 PDF 到结构化文本。
⚡ 高性能推理
支持 Hugging Face Transformers 和 SGLang 双推理后端。SGLang 提供 OpenAI 兼容 API 和 FlashAttention 3 加速。
🔧 批量处理
内置 infer.py 脚本，自动启动 SGLang 服务器并发送并发请求，支持图片目录或 PDF 文件输入，可配置并发数。
🏗️ 技术栈
基于 PyTorch + bfloat16 精度，运行于 NVIDIA GPU。要求 Python 3.12、CUDA 12.9、Transformers 4.57.1。
即将接入 PDF to MD
我们正在将 Unlimited-OCR 集成到 PDF to MD 平台，为用户提供更强大的文档解析能力。集成完成后，您将可以通过我们的 API 直接调用全部功能。
🌐 在线体验
无需部署，直接在 PDF to MD 网站上传文档，选择 Unlimited-OCR 引擎，即可体验单次长文档解析能力。
🔌 开发者 API
即将开放 RESTful API，支持单图、多页、PDF 全场景调用，提供流式响应、批量处理、自定义参数等企业级功能。
📊 结构化输出
解析结果直接输出 Markdown 格式，保留表格、列表、标题层级等结构信息，无缝对接 LLM 工作流。
🛡️ 稳定可靠
基于 SGLang 高性能推理框架，支持自动扩缩容和故障恢复，为企业级应用提供稳定的 OCR 服务保障。
工作流程
从文档上传到结构化输出，全程自动化处理。
01 上传 PDF / 图片
02 Unlimited-OCR 解析
03 结构化 Markdown
04 API / 下载输出
获取 Early Access
Unlimited-OCR API 即将上线。如果您希望第一时间获取访问权限、了解定价方案或有技术合作意向，请通过以下方式联系我们。