Indra OCR: CPU上で毎秒49ページを読み取る100万パラメータのOCRモデル

100万パラメータの認識モデルを中心に構築されたOCRパッケージ「Indra OCR」が公開された。32基のCPUコア上で毎秒49ページを処理可能で、TesseractやPaddleOCRのテキストモデルと比較して11〜17倍高速であり、単一ページのレイテンシは約230ミリ秒となっている。テキスト認識に加えて行やブロック単位のバウンディングボックス、ラベル、読み順などのレイアウト情報を抽出し、MarkdownまたはJSON形式で出力できる。OmniParseBenchベンチマークではPaddleOCR PP-StructureV3やTesseractを上回る結果を示した。一方で、複雑な表構造、手書き文字、スキャン画像におけるアラビア語や日本語などの非対応文字、縦書きテキストには制約がある。