كيفية اختيار محرك التعرف الضوئي على الحروف في 2026: اختبار تسعة نماذج على ثلاث محركات استدلال للكتابة اليدوية الروسية

تتناول مقالة من مدونة هابر المتخصصة في الذكاء الاصطناعي مقارنة بين مجموعة من حلول التعرف الضوئي على الحروف (OCR) للكتابة اليدوية الروسية، حيث تم اختبار تسعة نماذج على محركات vLLM وSGLang وNative HF Transformers مقابل مجموعة بيانات من النصوص الروسية المكتوبة بخط اليد. ويشير المؤلفون إلى أن تيسراكت (Tesseract)، على الرغم من كونه الأسرع بمعدل 193 صفحة في الدقيقة، يعيد فقط 411 حرفًا في الصفحة، بينما ينتج PaddleOCR-VL 1193 رمزًا، مما يشير إلى أن السرعة الأعلى غالبًا تعني فقدان المحتوى. ويتفوق النموذج المتخصص PaddleOCR-VL (1.7B) على النموذج العام Qwen2.5-VL-7B بمقدار 5.2 مرات في الصفحات في الدقيقة و6.7 مرات في الرموز في الثانية. وتتخلف محركات Native HF Transformers عن vLLM وSGLang بمقدار الضعف لنفس النموذج بسبب انخفاض استخدام وحدة معالجة الرسومات (GPU). وتظهر المعايير أنه بالنسبة للمستندات المطبوعة البسيطة، فإن تيسراكت أو RapidOCR القائمة على وحدة المعالجة المركزية (CPU) كافية، بينما بالنسبة للتخطيطات المعقدة والجداول والإخراج بصيغة ماركداون (Markdown)، يوصى باستخدام PaddleOCR-VL مع SGLang، وللإنتاج بأقل مخاطر التوافق، يوصى باستخدام PaddleOCR-VL مع vLLM. وبالنسبة للمهام العامة، فإن Qwen2.5-VL-7B مع vLLM مناسب، وبالنسبة لنماذج اللغة المرئية المحلية للنطاق الروسي، يُقترح استخدام Cotype Light 3 مع vLLM وMTP. أُجريت الاختبارات على جهاز NVIDIA A100 80GB مشترك بحجم دفعة (batch) يساوي 1 وعلى 15 عينة كتابة يدوية روسية، مع إعدادات موحدة مثل الدقة bfloat16 ودرجة الحرارة 0.0 والاستدلال المحدد.