Unlimited OCR 2 خدام

Unlimited OCR 2 هو موديل مفتوح المصدر من Baidu Wenxin لتحليل الوثائق من البداية للنهاية، كيدعم تحليل وثائق طويلة بلا حدّ فعدد الصفحات، وكيقدر يعالج آلاف الصفحات فمرة وحدة مع الحفاظ على الدقة والفعالية. Unlimited OCR 2 كيستعمل آلية الانتباه بالنافذة المنزلقة ذات المرجع المتناثر وآلية فك الترميز اللانهائي، وكيقلل من كلفة الحساب والذاكرة فوثائق طويلة. وحقق نتائج SOTA فاختبارات بحال MPDocBench وMarathonDocBench، وكيعاون يدفع OCR لعصر 3.0.

تحليل أي عدد من الصفحات: كيتجاوز الحد التقليدي ديال عدد الصفحات وكيقدر يعالج وثائق طويلة فيها آلاف الصفحات فمرة وحدة.
فهم دقيق للوثائق الطويلة: حتى ملي كيزيد طول الوثيقة بزاف، كيبقى محافظ على دقة عالية وفعالية فالمعالجة.
الربط بين المعلومات عبر الصفحات: كيقدر يرجع للنص السابق ويتحقق من المحتوى اللي كيمتد بين الصفحات، وكيقلل من انقطاع السياق الناتج عن دمج صفحات متعددة.
متاح كمصدر مفتوح: الكود وأوزان الموديل مفتوحين، ومتوفرين حتى فـ Baidu Intelligent Cloud وBaidu AI Open Platform.

تابع WeChat وردّ بـ“开源” باش تنضم لمجموعة التواصل ديال مشاريع الذكاء الاصطناعي مفتوحة المصدر
SR-SWA، الانتباه بالنافذة المنزلقة ذات المرجع المتناثر: مستوحى من طريقة الإنسان ملي كينسخ كتاب، كيركز على الصفحة الحالية وكيرجع للنص السابق غير عند الحاجة. Page Gate كيصغّر مجال المرجع البصري ديال كل استعلام من الوثيقة كاملة للصفحات المرتبطة، وكيصمّم العلاقات المكانية بين الصفحات؛ كما كيدخل Visual Token Buckets ذات أعلى النقاط لالتقاط الاعتماد البصري بعيد المدى، وكيجنب الحساب الزائد ديال Full Attention على جميع رموز الوثيقة.
Unlimited-Horizon Decoding، آلية فك الترميز بلا أفق محدود: محسّنة باش تعالج اختناقات الحساب والذاكرة فتحليل الوثائق الطويلة بزاف، وكتخلي الموديل يعالج صفحات أكثر بلا ما يوقفو طول السياق بشكل صارم، وكتدعم هدف التحليل ديال “أي عدد من الصفحات”.
نمذجة الوثائق الطويلة من البداية للنهاية: بخلاف OCR التقليدي اللي كيتعرف على كل صفحة بوحدها ومن بعد كيدمجها، وبخلاف الجيل السابق R-SWA اللي كان غير كيوسّع التحليل لعشرات الصفحات المتتالية، Unlimited OCR 2 كيدمج اختيار الصفحات، والرجوع للمراجع، وفهم الصفحة الحالية فإطار موحد من البداية للنهاية، وكيحسن انسجام واكتمال تحليل الوثائق الطويلة.
الفعالية والتحكم فالكلفة: سرعة فك الترميز فكل خطوة باستعمال SR-SWA أسرع بـ 7 مرات من Full Attention وبـ 5.6 مرات من الجيل السابق R-SWA. والربح الأساسي جاي من تعويض الانتباه الشامل الكامل بمرجع متناثر.

اختيار المدخل: حمّل الكود والأوزان من GitHub أو Hugging Face ونصّبهم محلياً.
وجد الوثائق: رتّب ملفات PDF أو الوثائق الممسوحة أو الوثائق الطويلة، وتأكد باللي الصفحات كاملة وواضحة والاتجاه ديالها صحيح.
الرفع أو التحميل: فالمدخل الإلكتروني حمّل الوثيقة مباشرة؛ وفالنشر المحلي جهّز البيئة وحمّل أوزان موديل Unlimited OCR 2.
ضبط المهمة: اختار حسب الصفحة أو معاملات API صيغة الإخراج، ونطاق التحليل، وخيارات بحال التعرف على الجداول وتخطيط الصفحة.
شغّل التحليل: صيفط المهمة وتسنى حتى يكمل الموديل الفهم بين الصفحات، واستخراج المحتوى، وتوليد البنية المنظمة.
راجع النتيجة: ركز خصوصاً على العناوين الممتدة بين الصفحات، والجداول، والمعادلات، وأرقام الصفحات، والاقتباسات، واستمرارية الفقرات.
التصدير والدمج: صدّر النص أو Markdown أو JSON، أو استعمل API للمعالجة الدفعية والربط مع أنظمة الأعمال.

تحليل أي عدد من الصفحات: كيتجاوز الحد التقليدي ديال OCR وكيقدر يعالج وثائق طويلة فيها آلاف الصفحات.
دقة أكثر استقراراً فالوثائق الطويلة: حتى ملي كيزيد عدد الصفحات بزاف، كيبقى محافظ على دقة وفعالية عالية.
فهم أقوى للمحتوى بين الصفحات: كيقدر يرجع للنص السابق ويربط المعلومات بين الصفحات، وكيقلل من انقطاع السياق الناتج عن الدمج.
فعالية حسابية أكبر: SR-SWA كيعوض الانتباه الكامل بمرجع متناثر، وكيقلل الحساب الزائد بشكل واضح.
استهلاك أقل للذاكرة: بالجمع مع آلية فك الترميز اللانهائي، كيخفف الضغط على الذاكرة فمعالجة الوثائق الطويلة بزاف.
نتائج متقدمة فالمعايير: كيشير النص إلى تحقيق SOTA فاختبارات الوثائق الطويلة بحال MPDocBench وMarathonDocBench.

مستودع GitHub: https://github.com/baidu/Unlimited-OCR
مستودع الموديل على HuggingFace: https://huggingface.co/spaces/baidu/Unlimited-OCR-2

تحليل الكتب والمراجع الطويلة: رقمنة الروايات والكتب الدراسية والمراجع الكاملة بسرعة مع الحفاظ على السياق بين الصفحات.
تحليل التقارير والدراسات المالية: إدخال مئات الصفحات من تقارير الأبحاث والتقارير السنوية فمرة وحدة، واستخراج الآراء والمؤشرات ونقط المخاطر.
المراجعة القانونية ومراجعة الامتثال: معالجة مجموعات القوانين وملفات العقود ووثائق القضايا، مع دعم الربط بين البنود الممتدة عبر الصفحات.
رقمنة الأرشيف والفواتير: تحويل الأرشيف الممسوح والملفات الطبية والوثائق التاريخية دفعة وحدة إلى نص منظم وتخزينه.
بناء RAG وقواعد المعرفة: تحويل ملفات PDF الطويلة بزاف إلى محتوى قابل للبحث، لخدمة الأسئلة والأجوبة والبحث واستدعاء الوكلاء الذكيين.