Unlimited OCR 2とは
Unlimited OCR 2は、Baiduが2026年10月27日に公開した文書認識モデルです。長い文書や複数ページを扱うことを重視し、ページをまたぐ文脈を取り込むSR-SWAという注意機構を採用しています。一般的なチャットサービスではなく、開発者が推論環境に組み込んで使うOCRモデルです。
主な用途
- 複数ページの報告書や資料から文字・構造を取り出す処理。
- ページ間のつながりを考慮した長文文書の解析。
- 文書検索やデータ整理の前処理として使う独自のOCRパイプライン。
PDFを扱う場合は、ページを画像に変換して入力する工程が必要です。出力の整形方法は公式リポジトリのユーティリティを確認してください。「Unlimited」という名前は、メモリや処理時間に制約がないことを意味しません。
始め方
- 公式モデルカードで必要なライブラリと推論例を確認します。
- テスト用の文書を用意し、PDFならページ画像に変換します。
- Transformersまたは公式が案内するSGLang構成で推論環境を準備します。
- 元の文書と出力を比較し、文字、表、読み順、ページのつながりを検証します。
公式例にはリモートコードを読み込む設定が含まれます。実行前にコードと依存関係を確認し、検証済みのリビジョンを固定することをおすすめします。公式の検証環境に記載されたGPUは、すべての用途に共通する最低要件とは限りません。
料金とライセンス
コードとモデルはMITライセンスで公開されています。ただし、GPUの確保、クラウド計算、保存領域、外部APIには別の費用がかかる場合があります。ライセンスの表示・再配布条件は公式LICENSEを確認してください。
日本語文書と安全性
日本語の縦書き、ルビ、複雑な罫線、数式などについて、本ページでは独自の精度検証を行っていません。導入前に実際の文書で評価し、重要な数値や固有名詞は人が確認してください。自己ホストでも、ログや保存先の設定によって情報が残るため、機密文書の扱いには運用設計が必要です。
よくある質問
無料のWebサービスですか？
主な提供形態は公開モデルとコードです。モデルが無料でも、推論用の計算資源まで無料とは限りません。公式モデルカードから案内されるデモにも稼働状況や利用上限があります。
日本語の読み取り精度は保証されていますか？
日本語のあらゆる文書に対する精度を保証するものではありません。用途に近いサンプルで、誤認識やレイアウトの崩れを確かめる必要があります。
関連ツール・公式資料
API型の文書認識を比較するならMistral OCR 4.1、モデルの入手先を調べるならHugging Faceも参照できます。
情報確認日：2026年10月28日。公開資料に基づく紹介であり、実測レビューではありません。