Unlimited OCR Works 2 Studio

Unlimited OCR Works 2 Studio

用 Unlimited-OCR-2 模型把上传的页面图片或最多 20 页的 PDF 解析成排好版的 Markdown，带实时流式显示和渲染视图。适合做文档数字化和测试 OCR 的人。

由 baidu 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是百度 Unlimited-OCR-2 文档解析模型的工作室。你上传页面图片或最多 20 页的 PDF，实时看着原始解析结果出现，然后阅读渲染视图，里面每个块都按检测到的类型排版。它在 Hugging Face 的 ZeroGPU 上运行，适合小规模测试。

适合谁：适合把扫描页面或 PDF 变成 Markdown、想看看模型如何处理版面、图片和多页文档的人。

Industry | Who uses it | How they use it | Example
文档处理 | 运营和档案团队 | 把扫描的报告变成结构化文字 | 上传一个 PDF，复制 Markdown
研究 | 研究者 | 解析带图片和跨页内容的论文 | 检查跨两页的一个块是否合成了一个
AI 工程 | 机器学习工程师 | 部署前先测试 OCR 模型 | 在同一页上比较不同的细节模式

如果你需要大规模处理长文档，可以跳过它，因为 README 把这类需求指向另一套服务栈。

用在哪里：你可以在这些地方使用它：

• 浏览器：打开 Hugging Face 上这个 Space 的页面，不需要安装任何东西。
• Windows、macOS 或 Linux：用 Python 3.12 运行你自己的副本。

Use case | Who | What they get back
PDF 转 Markdown | 文档团队 | 渲染视图，以及可以复制或下载的 Markdown
多页解析 | 研究者 | 对整份文档一次解析，跨页的块被合并
OCR 测试 | 工程师 | 三种细节模式的输出可供比较

如何设置：如果要在本地运行副本，你需要先准备：

• Python 3.12 和 pip
• 一块能运行该模型的 GPU，以及首次启动时用来放约 7 GB 权重的空间

在线页面不需要这些。若要运行你自己的副本，请按下面的步骤操作。

1. 安装 Hugging Face 工具。
2. 把这个 Space 的文件下载到一个文件夹。
3. 进入那个文件夹。
4. 安装 Space 使用的版本的 Gradio，再安装其他依赖包。
5. 启动应用。

pip install -U huggingface_hub
hf download baidu/Unlimited-OCR-2 --repo-type space --local-dir Unlimited-OCR-2
cd Unlimited-OCR-2
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py

如何使用：在浏览器里打开这个 Space，或者用下面的命令启动你自己的副本。上传页面图片或 PDF，看着解析结果流进来，然后阅读渲染视图，并复制或下载 Markdown。

python app.py

Tool | What it does
auto | 单页用高细节分块，文档则每页用一个全局视图
gundam | 对每一页强制分块
base | 对每一页强制使用一个全局视图
History strip | 让你最近的解析随手可取

示例：你上传一个有几页的 PDF。页面实时流出原始解析结果，然后显示渲染视图，其中的图片是从页面图像里裁出来的，跨页的块也被重新接在一起。

新手与专家：如果你是新手，上传一张页面图片，细节模式保持 auto。把渲染视图和你的原页面比较一下。

如果你熟悉这个领域，这个 Space 通过 Transformers 运行模型，而不是 SGLang 服务栈，所以它不做无限视野解码。多页文档在一次请求里送入，让模型能看到跨页的上下文。生成采用贪心解码、页数保护，以及针对多页输入的更宽的不重复 n-gram 窗口。

上传页面或 PDF
一次请求解析所有页面
原始解析结果实时流入
块按类型排版
你复制或下载 Markdown

注意事项：首次启动会下载约 7 GB 的权重，启动后的第一次解析要付出一次性的模型加载时间。模型测试过的库版本在 app.py 里于运行时安装。

• License: mit
• Cost to run: Hugging Face 上的 ZeroGPU 时间，没有提到任何付费服务
• Data it reaches: 你上传的页面图片或 PDF，以及从 Hugging Face 下载的模型文件
• Not for: 大规模的长文档，README 说这类需求应改用 SGLang 部署

Hugging Face 上的数据（2026年11月13日）

• 点赞：17
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/baidu/Unlimited-OCR-2
• 文件：https://huggingface.co/spaces/baidu/Unlimited-OCR-2/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。