Cara Memilih OCR pada 2026: Menguji Sembilan Model pada Tiga Mesin Inferensi untuk Tulisan Tangan Rusia

Artikel dari hub AI Habr ini membandingkan berbagai solusi OCR untuk tulisan tangan Rusia, menguji sembilan model pada mesin vLLM, SGLang, dan Native HF Transformers terhadap kumpulan data teks tulisan tangan Rusia. Para penulis melaporkan bahwa Tesseract, meskipun menjadi yang tercepat dengan 193 halaman per menit, hanya mengembalikan 411 karakter per halaman, sedangkan PaddleOCR-VL menghasilkan 1193 token, menunjukkan bahwa kecepatan yang lebih tinggi sering kali berarti konten yang hilang. PaddleOCR-VL (1.7B) yang khusus mengungguli Qwen2.5-VL-7B yang serba guna sebanyak 5,2 kali dalam halaman per menit dan 6,7 kali dalam token per detik. Native HF Transformers tertinggal di belakang vLLM dan SGLang sebanyak dua kali untuk model yang sama karena pemanfaatan GPU yang lebih rendah. Tolok ukur menunjukkan bahwa untuk dokumen cetak sederhana, Tesseract berbasis CPU atau RapidOCR sudah cukup, sedangkan untuk tata letak yang kompleks, tabel, dan keluaran Markdown, PaddleOCR-VL dengan SGLang direkomendasikan, dan untuk produksi dengan risiko kompatibilitas minimal, PaddleOCR-VL dengan vLLM. Untuk tugas serba guna, Qwen2.5-VL-7B dengan vLLM cocok, dan untuk VLM domain RU lokal, Cotype Light 3 dengan vLLM dan MTP disarankan. Pengujian dilakukan pada NVIDIA A100 80GB bersama dengan batch=1 dan 15 sampel tulisan tangan Rusia, dengan pengaturan yang seragam seperti presisi bfloat16, suhu 0.0, dan prompt tertentu.