Surya OCR 2.5

Surya OCR 2.5

用 689M 参数的模型读取文档图像中的文字，还能找出文本行、版面块和阅读顺序。适合把扫描件和照片变成文字和 HTML 表格的开发者。

由 datalab-to 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Surya OCR 2.5 是 Datalab 推出的 689M 参数模型，用来读取文档图像里的文字。除了基本的 OCR，它还分析页面版面，并把各个块按阅读顺序排好。表格以 HTML 返回，合并的单元格用 colspan 和 rowspan 标出。

适合谁：需要把扫描或拍摄的文档变成文字的开发者和数据团队。它覆盖多种语言和多种文档类型，包括表单、论文和手写信件。

Industry | Who uses it | How they use it | Example
行政 | 档案团队 | 把表单和信件数字化成可搜索的文字 | 一份扫描的政府表单变成保留版面的文字
研究 | 分析师 | 从论文和参考书里提取文字和表格 | 一页数学论文按阅读顺序返回各个块
软件 | 开发者 | 在文档流程里加入 OCR 和版面分析 | 让页面通过模型，再保存 HTML 表格

如果你只需要读取一种语言的清晰印刷文字，用更简单的工具就够了，可以跳过它。

用在哪里：

• 使用 transformers 库的 Python
• Windows、macOS 或 Linux
• Datalab 的托管平台，它也运行 Surya 和 Chandra 模型

Use case | Who | What they get back
OCR | 开发者 | 页面图像上的文字
版面分析 | 流程搭建者 | 表格、图像和标题等块，按阅读顺序排列
表格识别 | 分析师 | 标出合并单元格的 HTML 表格

如何设置：

• 带 pip 的 Python
• 一台能放下约 1.4 GB BF16 权重的机器，用 GPU 速度更好
• 模型卡片的 Usage 部分，里面有运行步骤

1. 安装 Hugging Face hub 包。
2. 下载模型文件。
3. 按模型卡片的 Usage 部分运行。

pip install -U huggingface_hub
hf download datalab-to/surya-ocr-2.5

如何使用：把页面图像交给模型，读取文字、版面块和阅读顺序。卡片还提供了更小的文本行检测模型和 OCR 错误检测模型。卡片自己的示例涵盖报纸、参考书、数学论文、政府表单和手写信件。

Tool | What it does
OCR | 读取页面上的文字
版面分析 | 找出表格、图像和标题，并排好阅读顺序
文本行检测 | 用更小的模型定位每一行文字
OCR 错误检测 | 用更小的模型标出可能的错误

示例：你发送一份政府表单的扫描件。输出包含每个块的文字、版面类别和阅读顺序，表格以 HTML 写出。

新手与专家：如果你是新手，先用一张清晰的页面图像，检查它返回的文字。再试一页带表格的，看看 HTML 输出。

按现在的标准，它是个小模型，卡片给出的吞吐量是在一块 H100 上以 192 DPI 每秒 4.5 页，是带 MTP 的 Surya 2 的 1.7 倍。表格的行列几何信息需要 Surya 2 检查点，卡片把这列为局限。

输入一张页面图像
模型检测并读取文字
版面块得到类别
各块按阅读顺序排列
输出文字和 HTML 表格

注意事项：

• 语言覆盖：在包含 91 种语言的内部测试集上为 74.9%
• 想要精确的表格单元格位置，请改用 Surya 2 检查点
• License: 模型采用 OpenRAIL-M，代码采用 Apache 2.0
• Cost to run: 本地副本没有列出费用，Datalab 的托管平台送 5 美元的免费积分
• Data it reaches: 你处理的页面图像和从 Hugging Face 下载的文件，如果使用 Datalab 的服务，也包括该服务
• Not for: 没有 Surya 2 检查点时的表格行列几何信息

Title: Benchmark scores
OmniParseBench: 85.9 分
olmOCR-bench: 83.7 %
Internal 91-language set: 74.9 %

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：689M
• Weights: about 1.4 GB in BF16; about 345 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：75,033
• 点赞：52
• 许可证：openrail
• Quantized versions: 4
• 标签：transformers, safetensors, qwen3_5, image-text-to-text, markdown, layout, conversational

链接

• 模型：https://huggingface.co/datalab-to/surya-ocr-2.5
• 文件：https://huggingface.co/datalab-to/surya-ocr-2.5/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download datalab-to/surya-ocr-2.5

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。