Chandra OCR 2

Chandra OCR 2

读取图片和 PDF 中的文字，返回保留页面布局的 markdown、HTML 或 JSON。能处理手写、表单、表格和数学公式，支持 90 多种语言，适合做文档数字化的人。

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：Chandra OCR 2 是 Datalab 推出的 OCR 模型，有 5.3B 参数。它读取图片和 PDF，把文字以 markdown、HTML 或 JSON 返回，同时给出布局细节。它还能处理手写、带复选框的表单、表格、数学公式，以及带说明的图片或图表。

适合谁：适合把扫描件、表单和 PDF 变成可编辑的结构化文本的个人和团队，也适合把这些文本接入其他工具的开发者。

Industry | Who uses it | How they use it | Example
办公行政 | 后勤人员 | 把扫描的表单转换成结构化数据 | 带复选框的表单变成 JSON
出版 | 编辑 | 把 PDF 变成 markdown 或 HTML | 一份可编辑的扫描报告
研究 | 学者 | 从论文中提取表格和数学公式 | 从 PDF 中取出的一张表格
软件 | 开发者 | 为文档处理流程加入 OCR | 处理一个文件夹里所有 PDF 的脚本

如果你的文档本来就有干净可选中的文字，可以跳过它。

用在哪里：

• chandra 命令行工具，在装有 Python 的 Windows、macOS 或 Linux 上
• Python 程序，通过 vLLM 或 Hugging Face 的 transformers 库
• 模型卡提到的免费在线试用区和托管 API

Use case | Who | What they get back
文档转 markdown | 编辑 | 保留标题、表格和数学公式的文本
表单读取 | 运营团队 | 结构化输出的字段和复选框状态
手写识别 | 档案管理员 | 从手写页面读出的文字
图片提取 | 研究人员 | 带说明和结构化数据的图表

如何设置：

• Python 和 pip
• 推荐的 vLLM 路线需要 GPU，Hugging Face 路线需要 torch
• BF16 权重约 10.6 GB 空间，按估算 4-bit 约 2.6 GB

1. 用 pip 安装 chandra-ocr 包。
2. 走 vLLM 路线时，用 chandra_vllm 启动 vLLM 服务器。
3. 走 Hugging Face 路线时，安装 hf 扩展，它需要 torch。
4. 对一个 PDF 或图片运行 chandra 命令，并指定输出文件夹。

pip install chandra-ocr

# With vLLM (recommended, easy install)
chandra_vllm
chandra input.pdf ./output

# With HuggingFace (requires torch)
pip install chandra-ocr[hf]
chandra input.pdf ./output --method hf

如何使用：运行 chandra 命令，给出输入文件和输出文件夹，或者在 Python 里调用模型。模型卡推荐的是 vLLM 路线。

from chandra.model import InferenceManager
from chandra.model.schema import BatchInputItem
from PIL import Image

# Start vLLM server first with: chandra_vllm
manager = InferenceManager(method="vllm")
batch = [
    BatchInputItem(
        image=Image.open("document.png"),
        prompt_type="ocr_layout"
    )
]
result = manager.generate(batch)[0]
print(result.markdown)

Tool | What it does
chandra | 把文件转换成所选输出的命令行工具
chandra_vllm | 启动推荐路线所用的 vLLM 服务器
InferenceManager | 向模型发送成批图片的 Python 类
prompt_type ocr_layout | 要求返回文字及其布局

示例：你对一份名为 input.pdf 的扫描表单运行 chandra，并指定输出文件夹。工具读取这一页，保留布局，包括复选框状态，并把内容写成 markdown、HTML 或 JSON。

新手与专家：先用一页干净的扫描件和命令行路线。在处理整个文件夹之前，把输出和原页面对照检查。

模型卡报告在 olmocr 基准上得分 85.8%，在多语言基准上得分 77.8%。它列出了数学、表格、宽版面、图片说明和 90 多种语言覆盖方面的提升。Hugging Face 路线需要 torch，vLLM 是更快的部署途径。

给它一个 PDF 或图片
模型读取文字和布局
它还原表格、表单和数学公式
输出 markdown、HTML 或 JSON

注意事项：

• License: openrail
• Cost to run: 本地模型没有提到费用，模型卡还提到一个托管 API
• Data it reaches: 你交给它的文件，以及下载时用到的 Hugging Face
• Not for: 纯文本文件，它们不需要 OCR

Title: 模型卡报告的基准分数，单位为百分比
olmocr bench: 85.8 %
Multilingual bench: 77.8 %

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：5.3B
• Weights: about 10.6 GB in BF16; about 2.6 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：1,356,074
• 点赞：606
• 许可证：openrail
• Quantized versions: 46
• Fine-tunes: 8
• 标签：transformers, safetensors, qwen3_5, image-text-to-text, markdown, layout, conversational

链接

• 模型：https://huggingface.co/datalab-to/chandra-ocr-2
• 文件：https://huggingface.co/datalab-to/chandra-ocr-2/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/chandra-ocr-2

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。