Baidu a officiellement publié Unlimited-OCR, un nouveau modèle de reconnaissance optique de caractères conçu pour l'analyse documentaire longue et contextuelle. Cette publication open source marque une avancée significative dans le traitement automatique de documents, permettant une analyse en un seul passage capable de traiter de vastes ensembles de données visuelles sans perte d'information structurelle. Le modèle est optimisé pour fonctionner sur des GPU NVIDIA et intègre deux modes d'inférence distincts. Pour les images uniques, une configuration spécialisée permet un traitement ciblée et efficace, tandis qu'un mode standard est dédié à l'analyse multi-pages et aux documents PDF. Unlimited-OCR prend en charge nativement des contextes allant jusqu'à trente-deux mille sept cent soixante-huit jetons, ce qui le rend particulièrement adapté aux rapports longs, aux archives numérisées et aux documents complexes nécessitant une compréhension approfondie. Les développeurs peuvent déployer le modèle via plusieurs environnements techniques. Une intégration standard avec la bibliothèque HuggingFace Transformers est disponible, avec des prérequis validés sous Python 3.12 et CUDA 12.9. Pour les besoins de production et de haute performance, Baidu recommande l'utilisation du moteur SGLang, qui offre une interface compatible API OpenAI et supporte les réponses en streaming. Cette architecture flexible permet une intégration aisée dans des pipelines existants, qu'il s'agisse de traitement par lots ou de requêtes en temps réel. La solution inclut également des utilitaires pratiques pour la conversion PDF en images haute résolution, facilitant le prétraitement avant l'analyse. Des paramètres avancés comme la taille de la fenêtre de recherche de motifs sont ajustables pour optimiser la précision et réduire les répétitions indésirables lors de la génération de texte. Développé en s'inspirant des travaux de Deepseek-OCR, Deepseek-OCR-2 et PaddleOCR, Unlimited-OCR représente un effort communautaire pour démocratiser l'analyse documentaire de précision. En fournissant les poids du modèle, le code d'inférence et les instructions de déploiement, Baidu permet aux équipes de développement et aux entreprises d'intégrer rapidement cette technologie dans des applications allant de l'archivage numérique à l'automatisation administrative. Cette publication positionne Baidu comme un acteur clé dans l'optimisation des modèles de vision par ordinateur pour des tâches professionnelles exigeantes, répondant ainsi à la demande croissante de solutions OCR robustes, extensibles et capables de traiter des documents complexes en une seule exécution.