Office
La corsa verso modelli OCR capaci di leggere documenti sempre più lunghi ha raggiunto un nuovo punto di svolta con Unlimited-OCR, progetto open source presentato da Baidu (repository GitHub ufficiale). L’obiettivo è ambizioso: superare alcuni limiti pratici che ancora caratterizzano i sistemi di riconoscimento ottico basati su modelli linguistici di grandi dimensioni, permettendo l’analisi di decine di pagine in un’unica esecuzione.
La pubblicazione del codice, dei pesi del modello e del relativo documento scientifico è fonte di grande interesse. Perché? Perché i tradizionali sistemi OCR separavano rilevamento del testo, riconoscimento dei caratteri e interpretazione del layout. L’arrivo di modelli multimodali come DeepSeek-OCR ha introdotto un approccio differente: comprimere l’informazione visiva e affidare la generazione del testo a un decoder linguistico. È una soluzione che ha migliorato la qualità dell’estrazione ma ha portato con sé un problema noto agli sviluppatori che lavorano con i LLM (Large Language Model): all’aumentare della lunghezza dell’output cresce il consumo di memoria e rallenta la generazione del risultato.
Perché l’OCR su documenti lunghi rappresenta ancora una sfida
