Membangun Pipeline OCR End-to-End dengan Baidu Unlimited-OCR untuk Gambar Resolusi Tinggi dan PDF Multi-Halaman

Tutorial ini membangun alur kerja lengkap untuk model Baidu Unlimited-OCR pada gambar dokumen dan PDF multi-halaman. Tutorial ini mengonfigurasi lingkungan GPU, menginstal dependensi, dan memuat model visi-bahasa 3 miliar parameter dengan pemilihan tipe data otomatis. Tutorial ini menghasilkan contoh dokumen terstruktur untuk pengujian. Alur kerja mengevaluasi mode inferensi Gundam (berpetak) dan mode Base yang lebih cepat untuk OCR satu halaman sebelum diperluas ke penguraian PDF multi-halaman dengan PyMuPDF dan infer_multi(). Tutorial ini mempertahankan pengaturan pembuatan konteks panjang, kontrol pengulangan, dan penanganan keluaran terstruktur untuk memproses tata letak padat, tabel, paragraf, dan konten lintas halaman. Lembar contekan akhir merangkum mode yang direkomendasikan untuk berbagai jenis dokumen.