โปรเจกต์ AI จาก Baidu ที่ต่อยอดความสามารถด้านการอ่านเอกสารและรูปภาพ รองรับการใช้งานผ่าน Hugging Face
baidu/Unlimited-OCR เป็นโมเดลปัญญาประดิษฐ์ประเภทดูรูปแล้วตอบคำถาม (Vision-Language) ที่พัฒนาขึ้นโดยมีเป้าหมายเพื่อผลักดันงานด้าน OCR ไปอีกขั้น โดยต่อยอดมาจากแนวคิดของ Deepseek-OCR และ PaddleOCR ตัวโมเดลถูกปล่อยออกมาให้ใช้งานผ่านแพลตฟอร์ม Hugging Face และติดอันดับ #10 ในหน้าโมเดลที่กำลังมาแรง
ในด้านการทำงาน โมเดลนี้ถูกออกแบบมาเพื่อรองรับการประมวลผลเอกสารหรือภาพระยะยาวแบบ One-shot รองรับการรันอินเฟอเรนซ์ผ่านเครื่องมือยอดนิยมอย่าง Hugging Face transformers บนการ์ดจอ NVIDIA, vLLM รวมถึง SGLang พร้อมทั้งรองรับการใช้งานผ่าน API ที่เข้ากันได้กับ OpenAI และมีอัปเดตการรองรับการฝึกโมเดลผ่าน ms-swift
กระแสความสนใจของโปรเจกต์นี้สะท้อนผ่านตัวเลขบน Hugging Face โดยมียอดถูกใจ 4,702 ครั้ง และมียอดดาวน์โหลดสูงถึง 1,163,009 ครั้ง เหมาะสำหรับนักพัฒนาและผู้ที่สนใจทด nghiệmระบบแปลงข้อความจากภาพหรือเอกสารในงานวิจัยและพัฒนา
✨ จุดเด่น
- การใช้งานที่หลากหลาย — รองรับการรันอินเฟอเรนซ์ผ่าน Transformers, vLLM และ SGLang พร้อม API แบบ OpenAI
- การสนับสนุนระบบ — รองรับการฝึกโมเดลด้วย ms-swift และใช้งานผ่าน Baidu Cloud หรือ ModelScope ได้
- ความนิยมสูง — ทำยอดดาวน์โหลดบน Hugging Face ไปแล้ว 1,163,009 ครั้ง และยอดถูกใจ 4,702 ครั้ง
- สเปกที่รองรับ — ทดสอบการทำงานบน Python 3.12.3 ร่วมกับ CUDA 12.9 และมีภาพ Docker สำหรับ GPU แต่ละรุ่น
🙋 ใครเหมาะจะลอง: นักพัฒนา AI หรือผู้สนใจด้าน Vision-Language ที่ต้องการทดลองใช้งานโมเดล OCR ตัวใหม่ โดยต้องมีความรู้พื้นฐานการใช้งาน Python, Docker และการรันโมเดลบน GPU
ทีมข่าว เอไอไทย.com · เรียบเรียงจากหน้าโปรเจกต์ baidu/Unlimited-OCR — รายละเอียดล่าสุดดูที่ต้นทาง
ความคิดเห็น 0
กำลังโหลดความคิดเห็น...