Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)

Baidu lança o Unlimited-OCR 2: modelo reconhece 5026 páginas em uma única passada

OCR é o reconhecimento de texto em scans e fotos, e documentos longos costumam ser divididos página por página, o que faz uma tabela que continua na página seguinte se desmontar. O Unlimited-OCR 2, da Baidu, lê PDFs, scans e fotos por inteiro e lembra das páginas anteriores. Em um único processamento, ele tratou os sete livros de Harry Potter, mais de 3600 páginas, e em outro teste, um documento de 5026 páginas. Para digitalizar acervos, isso reduz o trabalho manual de juntar as partes.

Processado por IA de TG: @notboring_tech (Not Boring Tech); editado por Hamidun News
Baidu lança o Unlimited-OCR 2: modelo reconhece 5026 páginas em uma única passada
Fonte: TG: @notboring_tech (Not Boring Tech). Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTG: @notboring_tech (Not Boring Tech) ↗
Editor-chefe
Dado-chave #1Extrai texto, tabelas e fórmulas de PDFs, scans e fotografias
Dado-chave #2Não relê o documento inteiro a cada vez, pois busca apenas os trechos necessários
O código é aberto e gratuitorepositório baidu/Unlimited-OCR no GitHub

Imagine que você precise transformar em texto um arquivo com vários milhares de páginas. Programas de reconhecimento de texto (OCR, a tecnologia que faz você fotografar uma página e obter as letras) costumam processar cada página isoladamente. Por isso, uma tabela que começa em uma página e continua na seguinte vira dois fragmentos desconectados, e a montagem do documento precisa ser feita à mão ou com scripts.

O Unlimited-OCR 2, publicado em acesso aberto no repositório da Baidu no GitHub, tenta resolver esse problema: segundo a descrição, ele lê o documento por inteiro e mantém na memória o que aparecia nas páginas anteriores. Na demonstração, o modelo processou em uma única passada os sete livros de Harry Potter, mais de 3600 páginas, e em outro teste deu conta de um documento de 5026 páginas.

O que o Unlimited-OCR 2 faz

O modelo é distribuído gratuitamente e com código-fonte aberto. Pela descrição, ele extrai de PDFs, scans e fotos comuns não apenas o texto corrido, mas também tabelas e fórmulas. Isso importa: tabelas e matemática são justamente o que mais costuma se desfazer no reconhecimento, virando uma sopa de símbolos.

O principal diferencial anunciado é a preservação do contexto entre as páginas. Se uma tabela continua na página seguinte, o modelo entende que se trata da mesma tabela, e não de duas diferentes. Pense em um relatório contábil de quarenta páginas: um OCR comum entregaria quarenta blocos separados, enquanto aqui a saída deveria ser uma estrutura coerente.

Como o modelo lida com milhares de páginas

Quanto mais longo o documento, mais memória é necessária para mantê-lo "na cabeça". Os autores afirmam que o Unlimited-OCR 2 economiza memória: ele não relê o documento inteiro a cada vez, mas acessa apenas os fragmentos necessários. Uma analogia simples: é como um leitor que não folheia o livro desde a primeira página sempre que precisa de uma citação, e sim recorre ao marcador.

Os números das demonstrações impressionam. Os sete livros de Harry Potter somam mais de 3600 páginas, e o modelo os processou em uma única passada. Em outro teste, ele processou um documento de 5026 páginas. Volumes desse tamanho costumam exigir muitas execuções separadas e a posterior junção dos resultados; segundo a proposta dos autores, esse passo não seria necessário.

Quem pode se beneficiar

Os primeiros interessados são evidentes:

  • bibliotecas e arquivos que digitalizam livros e coleções de jornais antigos;
  • equipes científicas com milhares de artigos cheios de fórmulas e tabelas;
  • departamentos jurídicos e financeiros com contratos e relatórios extensos;
  • desenvolvedores de sistemas RAG (busca de respostas em documentos próprios), que precisam de texto limpo com a estrutura preservada.

Para estes últimos, o ganho é especialmente claro: a qualidade da resposta de um RAG depende diretamente de quão bem o documento foi convertido em texto. Se uma tabela chega desmontada em dois fragmentos desconectados, nenhum modelo de linguagem conseguirá depois recuperar os números corretos.

O que checar antes de adotar

Por enquanto, trata-se de um anúncio, e os números vêm da descrição do projeto. São informados o total de páginas, mas não a precisão do reconhecimento em percentual, a velocidade em um hardware específico nem os requisitos de memória de vídeo. O teste com Harry Potter envolve, em grande parte, texto impresso limpo; como o modelo se comporta com scans degradados, anotações manuscritas, jornais antigos ou tabelas com diagramação complexa, só a prática vai mostrar.

Um plano razoável seria este: selecione do seu acervo uma centena de páginas mais difíceis, com tabelas que continuam, fórmulas e fotos com iluminação ruim. Processe essas páginas no Unlimited-OCR 2 e na sua solução atual, e compare o resultado manualmente: quantas tabelas foram montadas corretamente, quantas fórmulas se perderam, quanta memória e tempo foram gastos. Se a vantagem for clara, vale construir um pipeline de digitalização com o modelo. O código aberto permite executá-lo na sua própria infraestrutura, sem enviar documentos confidenciais para a nuvem de terceiros.

No conjunto, o lançamento reflete uma tendência geral: o reconhecimento de documentos deixa de ser uma tarefa "página por página" e passa a ser uma tarefa "documento inteiro". Para quem trabalha com isso no dia a dia, é uma boa notícia, mas as afirmações podem ser verificadas por conta própria, já que o código está no repositório aberto da Baidu.

História

Perguntas frequentes sobre a notícia

O que o Unlimited-OCR 2 faz?

O modelo é distribuído gratuitamente e com código-fonte aberto. Pela descrição, ele extrai de PDFs, scans e fotos comuns não apenas o texto corrido, mas também tabelas e fórmulas. Isso importa: tabelas e matemática são justamente o que mais costuma se desfazer no reconhecimento, virando uma sopa de símbolos. O principal diferencial anunciado é a preservação do contexto entre as páginas. Se uma tabela continua na página seguinte, o modelo entende que se trata da mesma tabela, e não de duas diferentes.

Como o modelo lida com milhares de páginas?

Quanto mais longo o documento, mais memória é necessária para mantê-lo "na cabeça". Os autores afirmam que o Unlimited-OCR 2 economiza memória: ele não relê o documento inteiro a cada vez, mas acessa apenas os fragmentos necessários. Uma analogia simples: é como um leitor que não folheia o livro desde a primeira página sempre que precisa de uma citação, e sim recorre ao marcador. Os números das demonstrações impressionam.

O que se sabe sobre Quem pode se beneficiar?

Os primeiros interessados são evidentes: bibliotecas e arquivos que digitalizam livros e coleções de jornais antigos; equipes científicas com milhares de artigos cheios de fórmulas e tabelas; departamentos jurídicos e financeiros com contratos e relatórios extensos; desenvolvedores de sistemas RAG (busca de respostas em documentos próprios), que precisam de texto limpo com a estrutura preservada.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…