Статьи
Как распознать текст с фото и скана (OCR)
Что такое OCR, бесплатные онлайн-сервисы, офлайн-программы и распознавание на телефоне без ошибок.
Коротко: 19 октября 2026 компания Datalab выпустила Indra OCR 1.1 — открытую модель распознавания текста всего на 1 млн параметров. Она работает на обычном CPU без видеокарты и PyTorch, обрабатывает PDF и изображения, поддерживает более 80 языков на сканированных страницах и показывает около 44 страниц в секунду на 32-ядерном процессоре — заметно быстрее Tesseract 5 и PaddleOCR.
Что такое Indra OCR и чем она отличается от других моделей
Indra OCR — это модель оптического распознавания символов (OCR) от компании Datalab, разработчика известных open-source инструментов Marker (конвертация PDF в Markdown) и Surya (разметка документов). В отличие от большинства современных OCR-решений на базе крупных мультимодальных языковых моделей, Indra сознательно сделана предельно компактной: модель весит порядка 1 млн параметров, что в тысячи раз меньше, чем у моделей вроде Mistral OCR или GLM-OCR.
Такая компактность — не недостаток, а инженерное решение: модель рассчитана на массовую пакетную обработку документов там, где важна скорость и стоимость вычислений, а не максимальная точность на сложных рукописных архивах. Indra принимает на вход PDF-файлы и изображения, а на выходе отдаёт результат в виде Markdown, обычного текста или JSON с координатами распознанных блоков.
Скорость без GPU: до 44 страниц в секунду
Главное отличие Indra от конкурентов — модель работает исключительно на центральном процессоре, без видеокарты и без зависимости от PyTorch. По данным Datalab, на одной странице при использовании 4 ядер CPU обработка занимает около 210 миллисекунд, а на 32-ядерном процессоре (тестирование проводилось на чипах AMD EPYC Genoa серии 9004) скорость достигает примерно 44 страниц в секунду.
Независимая проверка подтвердила: по результатам сравнительного тестирования на 49,4 страницы в секунду Indra опережает PaddleOCR (4,28 страницы в секунду) и Tesseract 5 (2,92 страницы в секунду) — то есть работает примерно в 11 раз быстрее обоих конкурентов. При этом сторонний бенчмарк на Mac Studio показал более скромный, но всё равно ощутимый выигрыш — около 3 раз быстрее Tesseract на полном наборе из 2 937 страниц.
✓
Для кого это важно
Для сервисов и скриптов, которые пачками прогоняют через OCR счета, договоры, сканы форм или архивы документов — без GPU в облаке или на сервере это ощутимо снижает затраты на инфраструктуру.
Поддержка языков и распознавание рукописного текста
Indra OCR протестирована на 95 языках: более 80 из них поддерживаются на уровне отсканированных страниц, а для 83 языков показатель точности F1 на уровне отдельных символов составляет не менее 0,90. Это делает модель пригодной для многоязычных архивов — от латиницы и кириллицы до сложных письменностей.
С рукописным текстом дела обстоят скромнее: по бенчмарку OmniParseBench результат составляет 25,2% — заметный рост по сравнению с 8,3% в версии 0.3, но сами разработчики честно признают, что этого пока недостаточно для полноценной оцифровки архивов рукописных писем. Для печатного текста в PDF и на сканах — счетах, формах, типографских документах — точность значительно выше.
Лицензия и как попробовать модель
Код Indra OCR распространяется под лицензией Apache 2.0, а веса модели — по модифицированной лицензии OpenRAIL-M: использование бесплатно для исследований, личных проектов и стартапов с доходом или финансированием менее 20 млн долларов. Более крупным компаниям для коммерческого использования потребуется отдельное соглашение с Datalab.
Установить модель можно через пакетный менеджер Python командой pip install indra-ocr (требуется Python 3.10 и выше). После установки модель можно встроить прямо в скрипт или пайплайн обработки документов без обращения к внешним API.
Что это значит для работы с файлами
Выход Indra OCR — часть более широкого тренда: вместо универсальных и тяжёлых мультимодальных моделей для типовых задач распознавания текста всё чаще используют узкоспециализированные компактные модели, которые проще развернуть на обычном сервере или даже в десктопном приложении. Если нужно единично распознать текст с фотографии или скана без установки Python-окружения, для этого по-прежнему проще подойдут готовые онлайн-сервисы и программы — им посвящён наш отдельный разбор как распознать текст с фото и скана (OCR). А для разработчиков, которые собирают собственный пайплайн обработки PDF и изображений в большом объёме, Indra — ещё один вариант снизить затраты на инфраструктуру, отказавшись от GPU.
