---
author: AI超元域
date: '2025-11-03'
guest: ''
layout: post.njk
source: https://www.youtube.com/watch?v=3dJ3s_ddIfc
speaker: AI超元域
tags:
  - ocr-accuracy
  - complex-document-processing
  - structured-data-extraction
  - multi-language-ocr
title: 🚀超越DeepSeek-OCR！OCR领域的革命性突破：Chandra OCR本地部署+真实测评！模糊扫描件全能识别，9B参数支持40+语言，真正解决长文档痛点！完整识别各种复杂文档，告别漏字漏页问题
summary: 本视频评测了开源OCR模型‘Chandra OCR’（昌转），旨在解决DeepSeek OCR等模型在复杂版面、长文档、多页PDF中的漏字、遗漏页眉页角等问题。Chandra OCR拥有9B参数，支持40+语言（含中文手写体），能输出Markdown、HTML、JSON等结构化格式，并精确还原手写体、表格、公式、图表等复杂元素。视频演示了其在RM Studio、官方仓库的本地部署，并通过扫描版长文档、手写体、模糊PDF、考试试卷、古籍（繁体字）等多种极端场景的测试，证明其OCR能力远超现有模型，是处理复杂文档的强大新选择。
insight: ''
draft: true
series: ''
category: ai-ml
area: tech-engineering
project: []
people: []
companies_orgs: []
products_models:
  - Chandra OCR
media_books: []
status: evergreen
---
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！