最近，各种开源 OCR 模型发布越来越多。在我之前的视频中，我也为大家演示过非常多的开源 OCR 模型，比如 DeepSeek OCR、OMOCR 以及 大次 OCR 等。虽然这些模型的 OCR 能力效果不错，但遇到复杂版面、长文档、多页 PDF 时，可能会出现漏字、漏掉页眉页角、排版混乱、表格错位等问题。因此，寻找一款真正稳定、效果够强、适合长文档及复杂文档场景的 OCR 模型，依然面临不小的挑战。

例如，当我用一个内容非常长的 PDF 扫描件进行测试时，DeepSeek OCR 模型会遗漏扫描件上的页眉及页角内容；换成 大次 OCR，同样会漏掉页眉及页角。为了找到更强大的开源 OCR 模型，本期视频将演示另一款开源 OCR 模型——Chandra OCR（昌转）。相比其他开源 OCR 模型，Chandra OCR 针对复杂文档有出色的识别效果，并且在基准测试中的得分超过了 DUTS OCR、OAM OCR 以及 Dipsic OCR 等常见模型。本期视频，我们将用多种复杂的文档来测试这款模型的 OCR 能力。

模型介绍与特性

首先，我们先看一下这款模型的介绍。Chandra OCR 具备结构化文档理解能力，其参数为 9B。它支持 40 多种语言，包含中文及其手写体。它支持结构化输出，可以直接导出 Markdown、HTML、JSON 格式，能够保留标题层级、段落、列表、表格与图像引用。此外，它还支持手写体与表单，对手写记录、医生便笺、问卷、合同等有良好的还原度。它还能识别表格、数学公式、报纸、多栏、页眉页角等复杂元素。

本地部署演示

想在本地部署这款模型非常简单。我们可以在 RM Studio 中使用这款模型，只需点击“发现”，在搜索框输入模型名称，然后选择安装 4bit 或 8bit 量化版本，再点击下载即可在 RM Studio 中使用。

另外，我们也可以使用官方仓库提供的部署方式。下面我将在无版权（原文误述为“无版图”，推测意为无特殊环境限制）系统上演示如何部署：

1. 首先，安装 uv：pip install uv
2. 克隆官方仓库：git clone <官方仓库地址> (此处原文省略了具体地址，实际操作需补充)
3. 进入项目路径并安装依赖：cd <项目路径> && uv -q "project_name" # 假设项目名为project_name
4. 激活虚拟环境：source .venv/bin/activate (或对应系统的命令)
5. 安装模型：pip install changzhuan-ocr (此处原文为“长爪OCR”，根据上下文推测是“Changzhuan OCR”)

部署完成后，我们可以直接使用官方提供的命令对 PDF 文件进行 OCR 识别。

Demo 平台测试

为了方便演示，我们还可以使用官方给出的 Demo 启动命令。 启动成功后，我们就可以在浏览器中打开。在 Demo 的左侧，我们可以选择“hugging face”来运行模型，它会开始下载模型文件。

扫描版长文档测试

选择需要进行 OCR 的文件，我们先上传一个扫描版的长文档，它包含页面和底部的页角。点击“运行”测试 OCR 效果。 识别完成后，可以看到它能对 PDF 扫描件中的页眉、页角等元素进行标记。在这个 Demo 中，它以 HTML 格式输出，包括页眉、页角的内容都被完整提取。正文部分，它使用了 HTML 的 <p> 标签，并按照原文格式进行了分段。相比之下，其他 OCR 模型在处理同样的文档时，往往会遗漏页眉、页角等内容。

手写体文件测试

如果不想在本地部署，也可以使用官方提供的在线平台进行测试。在官方提供的平台上传 PDF 文档，成功识别出我刚才上传的 PDF 文档内容。我们可以查看它的 JSON、HTML、Markdown 格式。 下面我们继续在 Demo 中测试，上传一个手写体的文件。 这是它的识别结果，通过对比可以发现，它识别的内容与文件完全一致，没有任何识别错误。我们还可以查看它标记的每一行内容。

模糊 PDF 与代码混合测试

接下来加大难度，上传一张比较模糊的 PDF 扫描件，该文档既包含中文，也包含代码。 提取成功！可以看到标题部分保持了原有的加粗格式，底部的一行小字也成功提取。原始文档上，我故意设置了代码区域的重叠，Chandra OCR 针对重叠部分也成功提取了出来，包括文档中的序号，以及 Windows 中的一段小字，都完整的提取了出来。

模拟考试试卷测试

我们再加大难度，用一张模拟的考试试卷来测试。 这是识别结果，试卷的这一部分成功提取，保持了原有格式且无识别错误。包含注音的内容也成功显示。它还对左侧和底部的页码内容进行了标记和识别。

模糊、复杂、含公式表格的 PDF 测试

现在，我们用一个非常模糊、排版复杂，同时包含中文、英文、公式以及表格的文件进行 OCR。 这是识别结果：标题部分使用了加粗，论文作者信息也得以保留。它完全还原了扫描件的格式，序号也成功识别。公式提取准确。表格内容也完全正确，参考文献部分提取也无误。可以看到，这个非常复杂的、扫描模糊的文件，它都成功识别出来并保持了原有的格式输出。

排版混乱的学习笔记测试

接下来，选择一个扫描版的、排版比较混乱的学习笔记进行测试。 可以看到文件内容排版混乱。重点对比对号和差号的标记：这一部分提取完全正确。另一部分提取也完全正确。在包含两颗星的部分，输出内容也保留了这两颗星，右上角的小字也成功识别并输出。左下角的红色“关键”二字也成功识别。可以发现，这个排版没有规律的文件，它也成功进行了识别并输出。

复杂表格测试（含重叠文字）

我们再加大难度，选择一个更复杂的表格进行测试。为了增加难度，在单元格里故意设置了很多重叠的文字。 提取完成！对比表格内容，重点看有重叠的部分：这两个单元格的内容提取正确；有重叠的单元格也成功提取。这一部分也成功正确提取。可以看到，这个模糊且复杂的表格内容，它都能成功提取。

模糊、复杂、含图表和表格的 PDF 测试

接着，选择一张比较模糊、内容复杂，且包含柱状图和表格的 PDF 文件进行测试。 这里成功识别了出来，它将扫描件上的柱状图直接提取为图像格式。文件中的表格内容也成功提取。

古书（繁体字）扫描件测试

下面，我们选一张古书的扫描件，看看它能否识别繁体字。 查看识别结果，可以看到它把扫描件里这些有标点符号的内容都成功提取了出来。而且，它提取的繁体字内容与原文保持一致，没有出现任何识别错误。这表明它对繁体字的识别效果也非常不错。

总结与优势

通过多方面的测试，可以发现 Chandra OCR 模型对这些复杂且模糊的 PDF 文档，识别效果确实非常出色。它不会遗漏页眉页角等重要内容，并且能保持与原文档一致的格式进行输出。对于复杂的 PDF 文档识别，可以放心地使用这款模型，它的效果比其他同等参数的开源 OCR 模型要好很多。

本期视频所用的笔记和代码，我都会放在视频下方的描述栏或评论区。如果找不到，也可以通过我的博客查找本期视频对应的笔记。

本期视频就到这里，欢迎大家点赞、关注和转发。谢谢大家观看！