Unlimited OCR dari Baidu: Model 3B yang Bikin Parsing Dokumen Gak Ribet!

Baidu baru aja ngeluarin Unlimited OCR, model yang bikin parsing dokumen jadi jauh lebih gampang. Jadi, apa sih Unlimited OCR ini? Ini adalah model yang punya 3 miliar parameter, dan bisa ngolah banyak halaman dokumen sekaligus tanpa bikin kinerja melambat. Bayangkan, kamu bisa parsing puluhan halaman dalam sekali jalan! Gak perlu repot-repot lagi.

Salah satu keunggulan dari Unlimited OCR adalah desainnya yang unik. Biasanya, model OCR lain bakal melambat seiring bertambahnya output. Tapi, dengan Unlimited OCR, mereka pakai sistem yang bikin memori tetap stabil. Ini berkat teknologi yang mereka sebut Reference Sliding Window Attention (R-SWA). Jadi, meskipun outputnya panjang, memori dan latensinya tetap terjaga.

Nah, R-SWA ini bikin setiap token yang dihasilkan bisa ngakses semua token referensi. Artinya, kamu bisa tetap dapat hasil yang akurat tanpa harus nambah beban memori. Ini penting banget, soalnya biasanya saat output bertambah, memori juga ikut melonjak. Dengan cara ini, Unlimited OCR bisa ngolah dokumen panjang tanpa masalah.

Unlimited OCR ini bukan model yang dibikin dari nol. Tim peneliti melanjutkan pelatihan dari model DeepSeek OCR yang udah ada sebelumnya. Mereka cuma melatih bagian decoder-nya aja, dan hasilnya? Model ini bisa ngalahin DeepSeek OCR dengan skor 93.23 di OmniDocBench v1.5. Gak main-main, ini prestasi yang keren!

Salah satu fitur menarik lainnya adalah kemampuan untuk ngolah dokumen dengan resolusi yang berbeda-beda. Unlimited OCR bisa beroperasi di dua mode: 'Base' untuk kerja multi-halaman dan 'Gundam' untuk halaman tunggal. Ini bikin kamu bisa lebih fleksibel sesuai kebutuhan.

Dengan semua keunggulan ini, Unlimited OCR cocok banget buat kamu yang sering kerja dengan dokumen panjang. Misalnya, buat transkripsi buku, ekstrak teks, tabel, dan rumus dalam satu kali jalan. Gak perlu lagi repot-repot ngolah satu per satu, semua bisa dilakukan dengan cepat dan efisien.

Tapi, ada beberapa catatan juga. Meskipun namanya 'Unlimited', tetap ada batasan. Model ini punya konteks maksimum 32K, jadi kalau dokumen kamu lebih dari itu, ya harus dibagi-bagi. Selain itu, untuk hasil terbaik, pastikan teks yang diparsing jelas dan tidak terlalu kecil.

Jadi, kalau kamu sering berurusan dengan dokumen panjang, Unlimited OCR dari Baidu ini bisa jadi solusi yang pas. Dengan teknologi canggihnya, kamu bisa ngolah dokumen dengan lebih cepat dan efisien. Siap-siap buat lebih banyak cuan tanpa ribet!