indra-ocr: CPU만으로 초당 49장, PyTorch 없는 초경량 OCR

PyTorch 없이 ONNX Runtime만으로 구동되는 1M 파라미터 크기의 초경량 OCR 모델이다. CPU 환경에서 초당 49장의 문서를 처리하며, Tesseract나 PaddleOCR 대비 11~17배 빠른 속도를 보인다.

1 / 4

PDF와 이미지를 Markdown, 텍스트, JSON 형식으로 변환한다. 각 줄과 레이아웃 블록에 대한 바운딩 박스와 라벨을 제공해 문서 구조를 정밀하게 파악할 수 있다. 디지털 PDF의 경우 텍스트 레이어를 우선 활용하고, 스캔본이나 이미지는 OCR로 처리하는 하이브리드 방식을 지원한다.

라틴 문자, 키릴 문자, 그리스 문자, 데바나가리, 벵골어, 중국어 등 14개 언어의 OCR을 지원한다. 복잡한 표나 손글씨, 저화질 스캔본에는 한계가 있어 깔끔한 인쇄물이나 대량 문서 처리에 적합하다.