Hugging Face测试8款OCR模型:古籍识别千页成本降至0.1美元以下
摘要
Hugging Face研究员范斯特里恩用850页历史文献对比测试8款OCR模型,结果显示最新模型识别1000页成本不足0.1美元,较早期模型下降约八成,百万页级数字化GPU费用可控制在65至130美元。
古籍与历史档案的数字化长期受制于高昂的文字识别成本,而这一局面正在被开源AI模型改变。Hugging Face的丹尼尔·范斯特里恩近日对8款具备图像文字识别能力的AI模型展开横向对比测试,试图量化当前技术条件下的实际开销。
测试样本共计850页,覆盖旧版自然历史书籍、1771年版《大英百科全书》,以及打字与印刷形式的历史档案文件,兼顾了不同年代与排版特征的材料。所有模型统一运行在英伟达RTX PRO 6000显卡上,该算力由范斯特里恩通过Hugging Face租用,价格为每小时2.75美元。
在图像尺寸一致的条件下,各模型的成本差距相当明显。2025年4月发布的最早一款参测模型RolmOCR,每识别1000页内容约需0.51美元;而2026年10月发布的最新模型LightOnOCR-3-0.8B,成本已压至不到0.1美元。以此推算,识别100万页内容的GPU租赁费用约为65至130美元,具体金额视原始材料类型而定。
范斯特里恩还提到一个容易被忽视的变量:优化模型运行方式所带来的成本节省,与直接换用更新一代模型的收益相当,甚至可能更多。这意味着在模型迭代之外,工程侧的调优同样构成降本空间,对预算有限的古籍数字化项目具有现实参考价值。
本文由新大陆基于公开信息编辑整理
信息来源:IT之家 IT之家原文 ↗