baidu-unlimited-ocr

name	baidu-unlimited-ocr
description	Usa al parsear documentos largos con el modelo Unlimited-OCR.
version	2.0.0
tags	["ocr","documentos","parsing","huggingface","transformers","deepseek-ocr","local"]
related_skills	["mineru-pdf-to-markdown","marker-pdf-conversion","pdf-processing","ocr-quirurgico-pdf-md"]

Unlimited-OCR (Baidu) — parser de documentos de largo alcance

⚠️ Corrección 2026-09-05 (auditoría stars-explorer): la v1 describía esto como un "servicio OCR gratuito sin límites" con endpoint REST api.unlimitedocr.com/api/ocr. Falso. No hay API REST; es un modelo de investigación de parsing de documentos (sucesor de DeepSeek-OCR, paper arXiv 2606.23050) que corre en local con HuggingFace Transformers y requiere GPU/CUDA.

Repo: https://github.com/baidu/Unlimited-OCR (MIT, Python, ~25K⭐)

When to Use

• Cuando pidas extraer/parsear documentos largos (formato → contenido estructurado) con un modelo de IA en local, sin depender de una nube de pago.
• Cuando necesites un parser one-shot de largo alcance (long-horizon) — leer PDFs/páginas largos de una pasada, no trocear a mano.

Qué es

Modelo de investigación de Baidu para parsing de documentos de largo alcance. "Unlimited" NO significa cuota gratuita ilimitada: se refiere al parser de documentos de alcance largo (one-shot long-horizon parsing). Es el sucesor de DeepSeek-OCR.

• Ejecución: 100% local con transformers (HuggingFace), vía AutoModel.from_pretrained('baidu/Unlimited-OCR').
• Requisitos: GPU/CUDA recomendada, Python 3.12+, parámetros grandes.
• NO expone API REST — no hay api.unlimitedocr.com ni nada que consumir por HTTP.

Uso

from transformers import AutoModel, AutoTokenizer
# Cargar modelo local
tokenizer = AutoTokenizer.from_pretrained('baidu/Unlimited-OCR')
model = AutoModel.from_pretrained('baidu/Unlimited-OCR').cuda()
# Inferencia sobre el documento
# (la API del repo expone un método de inferencia tipo infer(); ver README de baidu/Unlimited-OCR)
result = model.infer(...)

Consultar el README del repo y el paper (arXiv 2606.23050) para la firma exacta de infer() y el formato de entrada/salida.

Pitfalls

• Nada de REST: no hay api.unlimitedocr.com/api/ocr. Cualquier skill/prompt que mencione un endpoint de este repo está inventado.
• Imagen grande + modelo grande → necesita CUDA y batería de VRAM; no es una tool de CPU ligera.
• Es modelo de parsing, no un OCR clásico por caja de texto: para PDFs "en imágenes" quizá te convenga combinarlo con marker-pdf / mineru.

Verificación

• Instalar el modelo y correr inferencia sobre un PDF largo; comprobar que la salida mantiene el orden/secciones correctas (ahí es donde destaca sobre OCR por páginas).