Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)

Baidu presenta Unlimited-OCR 2: el modelo reconoce 5026 páginas en una sola pasada

El OCR es el reconocimiento de texto en escaneos y fotos, y los documentos largos suelen dividirse por páginas, de modo que una tabla que continúa en la página siguiente se desmorona. Unlimited-OCR 2, de Baidu, lee PDF, escaneos y fotos de forma completa y recuerda las páginas anteriores. En una sola pasada procesó los siete libros de Harry Potter, más de 3600 páginas, y en otra prueba un documento de 5026 páginas. Para digitalizar archivos, esto supone menos trabajo de unión manual.

Procesado por IA desde TG: @notboring_tech (Not Boring Tech); editado por Hamidun News
Baidu presenta Unlimited-OCR 2: el modelo reconoce 5026 páginas en una sola pasada
Fuente: TG: @notboring_tech (Not Boring Tech). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @notboring_tech (Not Boring Tech) ↗
Editor jefe
Dato clave #1Extrae texto, tablas y fórmulas de PDF, escaneos y fotografías
Dato clave #2No relee todo el documento desde el principio, sino que recupera los fragmentos necesarios
El código es abierto y gratuitorepositorio baidu/Unlimited-OCR en GitHub

Imagine que necesita convertir en texto un archivo de varios miles de páginas. Los programas de reconocimiento de texto (OCR, es decir, lo que permite «fotografiar una página y obtener letras») suelen trabajar con cada página por separado. Por eso, una tabla que empieza en una página y continúa en otra se convierte en dos fragmentos sin relación entre sí, y hay que recomponer el documento a mano o con scripts.

Unlimited-OCR 2, publicado en acceso abierto en el repositorio de Baidu en GitHub, intenta resolver este problema: según su descripción, lee el documento completo y mantiene en memoria lo que aparecía en las páginas anteriores. En la demostración, el modelo procesó de una vez los siete libros de Harry Potter, más de 3600 páginas, y en otra prueba trabajó con un documento de 5026 páginas.

Qué puede hacer Unlimited-OCR 2

El modelo se distribuye de forma gratuita y con código abierto. Según la descripción, extrae de PDF, escaneos y fotografías corrientes no solo el texto corrido, sino también tablas con fórmulas. Esto es importante: las tablas y las matemáticas son lo que más suele fallar en el reconocimiento, convirtiéndose en una maraña de símbolos.

La principal característica anunciada es la conservación del contexto entre páginas. Si una tabla continúa en la página siguiente, el modelo entiende que se trata de la misma tabla y no de dos distintas. Tome un informe contable de cuarenta páginas: un OCR convencional devolverá cuarenta fragmentos independientes, mientras que aquí el resultado debería ser una estructura coherente.

Cómo maneja miles de páginas

Cuanto más largo es el documento, más memoria se necesita para mantenerlo «en mente». Los autores afirman que Unlimited-OCR 2 ahorra memoria: no relee todo el documento cada vez, sino que accede solo a los fragmentos necesarios. Una analogía aproximada es la de un lector que no hojea el libro desde la primera página cada vez que necesita una cita, sino que va directamente al marcador.

Las cifras de las demostraciones son llamativas. Los siete libros de Harry Potter suman más de 3600 páginas, y el modelo los procesó en una sola pasada. En otra prueba digirió un documento de 5026 páginas. Volúmenes así suelen obligar a dividir el trabajo en numerosas ejecuciones independientes y luego unir los resultados; según el diseño de los autores, aquí ese paso no es necesario.

Quién podría aprovecharlo

Los primeros candidatos son evidentes:

  • bibliotecas y archivos que digitalizan libros y colecciones de prensa antigua;
  • equipos científicos con miles de artículos llenos de fórmulas y tablas;
  • departamentos jurídicos y financieros con contratos e informes voluminosos;
  • desarrolladores de sistemas RAG (búsqueda de respuestas en documentos propios), que necesitan texto limpio con la estructura conservada.

Para estos últimos, la ventaja es especialmente tangible: la calidad de la respuesta de un RAG depende directamente de lo bien que se haya convertido el documento en texto. Si una tabla de entrada se ha partido en dos fragmentos sin relación, ningún modelo de lenguaje posterior recuperará las cifras correctas.

Qué conviene comprobar antes de implantarlo

Por ahora se trata de un anuncio, y las cifras proceden de la descripción del proyecto. Se informa del número de páginas, pero no de la precisión del reconocimiento en porcentaje, la velocidad en hardware concreto ni los requisitos de memoria de vídeo. La prueba con «Harry Potter» consiste sobre todo en texto impreso limpio; cómo se comportará el modelo con escaneos deteriorados, anotaciones manuscritas, periódicos antiguos o tablas con maquetación compleja solo lo mostrará la práctica.

Un plan razonable es el siguiente. Seleccione de su archivo un centenar de las páginas más problemáticas: tablas que continúan, fórmulas, fotos con mala iluminación. Procéselas con Unlimited-OCR 2 y con su solución actual. Compare los resultados a mano: cuántas tablas se recompusieron correctamente, cuántas fórmulas se perdieron y cuánta memoria y tiempo consumió cada opción. Si la mejora es clara, tiene sentido construir sobre el modelo un flujo de digitalización. El código abierto permite ejecutarlo en sus propios equipos sin enviar documentos confidenciales a una nube ajena.

En conjunto, la publicación refleja una tendencia general: el reconocimiento documental deja de ser una tarea «página a página» y pasa a ser una tarea «documento completo». Para los profesionales es una buena noticia, aunque las afirmaciones pueden verificarse por cuenta propia, ya que el código está disponible en el repositorio abierto de Baidu.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué puede hacer Unlimited-OCR 2?

El modelo se distribuye de forma gratuita y con código abierto. Según la descripción, extrae de PDF, escaneos y fotografías corrientes no solo el texto corrido, sino también tablas con fórmulas. Esto es importante: las tablas y las matemáticas son lo que más suele fallar en el reconocimiento, convirtiéndose en una maraña de símbolos. La principal característica anunciada es la conservación del contexto entre páginas.

Cómo maneja miles de páginas?

Cuanto más largo es el documento, más memoria se necesita para mantenerlo «en mente». Los autores afirman que Unlimited-OCR 2 ahorra memoria: no relee todo el documento cada vez, sino que accede solo a los fragmentos necesarios. Una analogía aproximada es la de un lector que no hojea el libro desde la primera página cada vez que necesita una cita, sino que va directamente al marcador. Las cifras de las demostraciones son llamativas.

¿Qué se sabe sobre Quién podría aprovecharlo?

Los primeros candidatos son evidentes: bibliotecas y archivos que digitalizan libros y colecciones de prensa antigua; equipos científicos con miles de artículos llenos de fórmulas y tablas; departamentos jurídicos y financieros con contratos e informes voluminosos; desarrolladores de sistemas RAG (búsqueda de respuestas en documentos propios), que necesitan texto limpio con la estructura conservada.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…