使用百度Unlimited-OCR构建端到端OCR流水线，支持高分辨率图像和多页PDF

本教程围绕百度的 Unlimited-OCR 模型，针对文档图像与多页 PDF 构建了一套完整的工作流程。教程配置了 GPU（图形处理器）运行环境，安装了相关依赖，并加载了这款拥有 30 亿参数的视觉-语言模型，同时启用了自动数据类型（dtype）选择。为便于测试，教程还生成了结构化的示例文档。 在单页 OCR（光学字符识别）阶段，工作流先后评估了分块处理的 Gundam 推理模式与速度更快的 Base 模式，随后扩展到多页 PDF 解析，结合 PyMuPDF 库与 infer_multi() 函数实现。整个过程中保留了长上下文生成设置、重复内容控制以及结构化输出处理机制，以应对密集排版、表格、段落及跨页内容等复杂情形。 最后，教程附上了一份速查表，总结了针对不同文档类型所推荐使用的模式。