Baidu تفتح مصدر Unlimited-OCR 2: النموذج يتعرّف على 5026 صفحة في تمريرة واحدة
OCR هو التعرّف على النصوص في الصور الممسوحة والصور الفوتوغرافية، وعادةً تُقسَّم المستندات الطويلة إلى صفحات منفصلة، ولذلك ينهار الجدول الذي يمتد إلى الصفحة التالية. أما Unlimited-OCR 2 من Baidu فيقرأ ملفات PDF والصور الممسوحة والصور الفوتوغرافية كاملةً ويتذكّر الصفحات السابقة. وقد عالج في تمريرة واحدة كتب هاري بوتر السبعة كلها، أي أكثر من 3600 صفحة، وفي اختبار آخر مستنداً من 5026 صفحة. وبالنسبة إلى رقمنة الأرشيفات، يعني ذلك جهداً أقل في الدمج اليدوي.
معالج بواسطة الذكاء الاصطناعي من TG: @notboring_tech (Not Boring Tech)؛ بتحرير Hamidun News
تخيّلوا أنكم مطالبون بتحويل أرشيف من آلاف الصفحات إلى نص. برامج التعرّف على النصوص (OCR، أي «صوّرتَ الصفحة فحصلتَ على الحروف») تعمل عادةً مع كل صفحة على حدة. لذلك يتحوّل الجدول الذي يبدأ في صفحة ويستمر في أخرى إلى قطعتين غير مترابطتين، ويضطر المستخدم إلى إعادة تجميع المستند يدوياً أو بالسكربتات. أما Unlimited-OCR 2، التي أُتيحت للجميع في مستودع Baidu على GitHub، فتحاول معالجة هذه المشكلة: فبحسب الوصف، هي تقرأ المستند كاملاً وتحتفظ في الذاكرة بما ورد في الصفحات السابقة. وفي العرض التوضيحي عالج النموذج في تمريرة واحدة كتب هاري بوتر السبعة كلها، أي أكثر من 3600 صفحة، وفي اختبار آخر تعامل مع مستند من 5026 صفحة.
ما الذي يستطيع Unlimited-OCR 2 فعله
يُوزَّع النموذج مجاناً ومفتوح المصدر. وبحسب الوصف، فهو لا يستخرج من ملفات PDF والصور الممسوحة والصور الفوتوغرافية العادية النص المتصل فحسب، بل الجداول والمعادلات أيضاً. وهذا مهم، لأن الجداول والرياضيات هي أكثر ما يتعطّل عند التعرّف، فتتحوّل إلى خليط من الرموز.
والميزة الرئيسية المعلنة هي الحفاظ على السياق بين الصفحات. فإذا استمر جدول في الصفحة المقابلة التالية، يدرك النموذج أنه الجدول نفسه وليس جدولين مختلفين. خذوا مثلاً تقريراً محاسبياً من أربعين صفحة: سيُخرج OCR التقليدي أربعين قطعة منفصلة، أما هنا فيُفترض أن تكون النتيجة بنية متماسكة.
كيف يتعامل النموذج مع آلاف الصفحات
كلما طال المستند، زادت الذاكرة اللازمة للاحتفاظ به «في الرأس». ويقول المطوّرون إن Unlimited-OCR 2 يوفّر الذاكرة: فهو لا يعيد قراءة المستند كله من جديد، بل يرجع إلى المقاطع المطلوبة فقط. وتشبيه تقريبي لذلك قارئٌ لا يقلّب الكتاب من صفحته الأولى كلما احتاج إلى اقتباس، بل يفتح الصفحة التي وضع عندها علامة.
والأرقام الواردة في العروض التوضيحية لافتة. فكتب هاري بوتر السبعة تتجاوز 3600 صفحة، وقد عالجها النموذج في تمريرة واحدة. وفي اختبار آخر استوعب مستنداً من 5026 صفحة. وعادةً ما تُقسَّم هذه الأحجام إلى عدد كبير من عمليات التشغيل المنفصلة، ثم تُدمج النتائج؛ أما هنا فهذه الخطوة، بحسب تصوّر المطوّرين، غير لازمة.
من سيستفيد من ذلك
المرشّحون الأوائل للاستخدام واضحون:
- المكتبات والأرشيفات التي ترقمن الكتب والمجلّدات القديمة؛
- الفرق العلمية التي لديها آلاف الأبحاث المليئة بالمعادلات والجداول؛
- الأقسام القانونية والمالية التي تتعامل مع عقود وتقارير ضخمة؛
- مطوّرو أنظمة RAG (البحث عن الإجابات في مستنداتكم الخاصة) الذين يحتاجون إلى نص نظيف بهيكل محفوظ.
والفائدة للفئة الأخيرة ملموسة بوجه خاص: فجودة إجابة RAG تتوقف مباشرةً على مدى دقة تحويل المستند إلى نص. وإذا انهار الجدول عند الإدخال إلى قطعتين غير مترابطتين، فلن يستطيع أي نموذج لغوي لاحقاً استعادة الأرقام الصحيحة.
ما ينبغي التحقق منه قبل الاعتماد
ما زال الأمر إعلاناً، والأرقام مأخوذة من وصف المشروع. فقد ذُكر عدد الصفحات، لكن لم يُذكر شيء عن دقة التعرّف بالنسبة المئوية، ولا عن السرعة على عتاد محدد، ولا عن متطلبات ذاكرة الفيديو. واختبار «هاري بوتر» هو في الغالب نص مطبوع نظيف؛ أما كيف سيتصرّف النموذج مع الصور الممسوحة المائلة، والملاحظات المكتوبة بخط اليد، والصحف القديمة، والجداول ذات التنسيق المعقّد، فلن يكشفه إلا التطبيق العملي.
والخطة المعقولة هي التالية. خذوا من أرشيفكم مئة صفحة من أكثرها إشكالاً: جداول ممتدة، ومعادلات، وصور بإضاءة سيئة. مرّروها عبر Unlimited-OCR 2 وعبر الحل الذي تستخدمونه حالياً. ثم قارنوا النتيجة يدوياً: كم جدولاً جُمع بشكل صحيح، وكم معادلة ضاعت، وكم من الذاكرة والوقت استُهلك. فإذا كان الفارق واضحاً، فمن المنطقي بناء مسار رقمنة على هذا النموذج. والشيفرة المفتوحة تتيح تشغيله لديكم دون إرسال المستندات السرّية إلى سحابة طرف آخر.
إجمالاً، يعكس هذا الإصدار اتجاهاً عاماً: فالتعرّف على المستندات لم يعد مهمة «صفحة بصفحة»، بل صار مهمة «المستند كاملاً». وهذا خبر جيد للممارسين، ويمكن التحقق من هذه الادعاءات بأنفسكم، فالشيفرة متاحة في مستودع Baidu المفتوح.
- 29 أكتوبر 2026Baidu تطلق Unlimited-OCR 2: تسارع التعرف الضوئي على الحروف حتى 7 أضعاف على مستندات من 100 صفحة
- 30 أبريل 2026Baidu تطلق Qianfan-OCR: نموذج بحجم 4B للتعرف على المستندات وفهمها
- 27 أكتوبر 2026OpenBMB تطلق نظام OCR مفتوح المصدر مع نموذج رقابي: حتى 128 صفحة في الدقيقة
- 8 نوفمبر 2026بايدو تفتح ERNIE 5.5 Flash Base: نموذج MoE بـ 280 مليار معامل، منها 14 مليارًا نشطة
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ما الذي يستطيع Unlimited-OCR 2 فعله؟
يُوزَّع النموذج مجاناً ومفتوح المصدر. وبحسب الوصف، فهو لا يستخرج من ملفات PDF والصور الممسوحة والصور الفوتوغرافية العادية النص المتصل فحسب، بل الجداول والمعادلات أيضاً. وهذا مهم، لأن الجداول والرياضيات هي أكثر ما يتعطّل عند التعرّف، فتتحوّل إلى خليط من الرموز. والميزة الرئيسية المعلنة هي الحفاظ على السياق بين الصفحات. فإذا استمر جدول في الصفحة المقابلة التالية، يدرك النموذج أنه الجدول نفسه وليس جدولين مختلفين.
ما أبرز التفاصيل حول كيف يتعامل النموذج مع آلاف الصفحات؟
كلما طال المستند، زادت الذاكرة اللازمة للاحتفاظ به «في الرأس». ويقول المطوّرون إن Unlimited-OCR 2 يوفّر الذاكرة: فهو لا يعيد قراءة المستند كله من جديد، بل يرجع إلى المقاطع المطلوبة فقط. وتشبيه تقريبي لذلك قارئٌ لا يقلّب الكتاب من صفحته الأولى كلما احتاج إلى اقتباس، بل يفتح الصفحة التي وضع عندها علامة. والأرقام الواردة في العروض التوضيحية لافتة. فكتب هاري بوتر السبعة تتجاوز 3600 صفحة، وقد عالجها النموذج في تمريرة واحدة. وفي اختبار آخر استوعب مستنداً من 5026 صفحة.
ما أبرز التفاصيل حول من سيستفيد من ذلك؟
المرشّحون الأوائل للاستخدام واضحون: المكتبات والأرشيفات التي ترقمن الكتب والمجلّدات القديمة؛ الفرق العلمية التي لديها آلاف الأبحاث المليئة بالمعادلات والجداول؛ الأقسام القانونية والمالية التي تتعامل مع عقود وتقارير ضخمة؛ مطوّرو أنظمة RAG (البحث عن الإجابات في مستنداتكم الخاصة) الذين يحتاجون إلى نص نظيف بهيكل محفوظ. والفائدة للفئة الأخيرة ملموسة بوجه خاص: فجودة إجابة RAG تتوقف مباشرةً على مدى دقة تحويل المستند إلى نص.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.