OCR 模型现在数字化一百万页的成本低于 130 美元,18 个月内成本下降了五倍
借助免费可用的 AI 模型,从扫描书籍和档案中提取文本变得便宜了许多。Hugging Face 的 Daniel van Strien 比较了八种这类识别图像中文字的模型。他在来自旧博物学书籍、1771 年版《大英百科全书》以及打字和印刷档案文件的 850 页内容上对它们进行了测试。所有模型都运行在同一块 GPU 上,即一块 Nvidia RTX PRO 6000,由 van Strien 通过 Hugging Face 以每小时 2.75 美元的价格租用。在相同图像尺寸下,2025 年 4 月最老的模型(RolmOCR)每 1,000 页成本约为 51 美分。2026 年 10 月最新的模型(LightOnOCR-3-0.8B)则略低于 10 美分。如今,根据源材料的不同,一百万页的 GPU 租用费用在 65 到 130 美元之间。
据 van Strien 称,优化模型的运行方式所节省的费用,与换用更新模型所节省的费用大致相当,甚至更多。这包括更均匀地输入页面、使用更小的扫描件、更新软件以及运行更快的 GPU。最新模型阅读书页的准确度至少与最老模型相当。不过,有些模型会在空白页上幻觉出文本,或者一遍又一遍地重复相同内容。

扫描 1,000 页的成本已从最老模型的 51 美分降至最新模型的略低于 10 美分;中间的五个模型彼此几乎不相上下。
没有炒作的 AI 新闻——由人类精选
订阅 THE DECODER,享受无广告阅读、每周 AI 新闻简报、每年六期独家“AI Radar”前沿报告、完整档案访问权限以及评论区访问权限。