Indra OCRが CPU で最大 49 ページ/秒の読み取り速度を出した
この記事のポイント
- CPUで高速なOCRモデル
- 1Mパラメータの軽量設計
- 18MBでHugging Face公開
数字で見る
この記事に出てくる数字
| パラメータ数 | 1M |
|---|---|
| 処理速度 | 49ページ/秒 |
| モデルサイズ | 18MB |
どこで使えるか
18MBで手元処理したい人向け。CPUで高速に動作し商用利用も可能 Hugging Faceで公開済み ライセンスはopenrail
スポンサーリンク
解説
かみくだいて説明します
datalab-toが 2026 年 10 月 10 日に Hugging Face に公開した OCR モデル Indra OCR は、パラメータ数が 1M で、CPU で 1 秒間に 49 ページの読み取りが可能です。PDF や画像からマークダウン、プレーンテキスト、あるいは枠付きの JSON を出力します。
CPU だけでこれだけの速度が出るのは確かに驚きですが、複雑な表や手書き文字はどう処理するんですか?
精度が求められる場合、管理プラットフォームで Chandra というモデルを使います。手書き、数式、複雑な表、読み取りにくいスキャンに対応し、データはデフォルトで一切残さず、SOC 2 Type 2 認証と BAAs に対応しています。
SOC 2 Type 2 と BAAs は、具体的にどのような基準なんですか?
SOC 2 Type 2 はデータセンターの管理基準を第三者がチェックするもので、BAAs は医療情報などの機密情報を扱う際の契約書です。要するに、預けた書類が漏れないよう厳重に管理しているということです。
預けたデータが漏れない仕組みが整っているのですね。では、大量の書類を一度に処理する場合、どのくらいの規模まで対応するんですか?
バッチ処理サービスでは 1 日あたり 1B+ ページを扱えます。まずは Hugging Face からおよそ 18 MB のモデルをダウンロードし、$5 の無料クレジットで始められます。
18 MB なら手元の環境にすぐ置けますね。出力される JSON の枠付きデータは、実際の文書でどう使われるんですか?
実文書の出力を見ると、色付きの枠が文書のレイアウトブロックを、薄い青の枠がラインを示しています。これらは編集なしでJSONから直接描画された構造です。
構造が可視化されるのは開発者にとって助かります。メインの認識エンジン rec.onnx はオフラインでも動きますか。
CPU上で毎秒最大49ページ読み込めて、PDFや画像をマークダウンやプレーンテキスト、JSONに変換できます。
ローカルで速く動く反面、専門的な文書には別モデルが必要なのですね。
手書きや数式、複雑なテーブルへの対応は、管理プラットフォームで提供される最先端モデル「Chandra」で対応しています。
最後に、実務で導入する際の主なハードルは何になるんでしょうか。
CPU での速度が特徴で、手書きや数学、複雑なテーブル、劣化したスキャンには Chandra の管理プラットフォームがゼロデータ保持で SOC 2 Type 2 に対応しています。大量処理には 1 日 10 億ページ以上のバッチ処理サービスもあります。
出典
この記事のもとになった情報
- Hugging Face:datalab-to/indra-ocr
- 公開日:2026-10-10
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。