Indra OCR 百萬參數模型解析：每秒 49 頁，中文掃描與手寫能用嗎？
Indra OCR 的百萬參數辨識器主打 CPU 高吞吐量，本文拆解每秒 49 頁的測試條件、中文印刷支援，以及手寫、直式與表格限制，幫你選出值得試用的文件。
Indra OCR 把掃描文件變成可搜尋的文字，吸引注意的理由很直接：Datalab 創辦人發布貼文宣稱，一個主要辨識器只有百萬參數的小模型，在作者的 32 核處理器測試中，每秒能處理約 49 頁。
OCR 就是把圖片中的字轉成電腦能處理的文字。當資料量很大，辨識速度會決定整理文件要等多久。
這次消息也容易讓人誤會，速度快就代表所有中文考卷、表格和手寫資料都可以交給它。
官方限制恰好提醒我們，工具的用途比排行榜更重要。Indra 適合先處理乾淨印刷文字，再把難頁交給更強的模型或人工。
要判斷它是否適合自己的文件，得先看每秒 49 頁究竟在衡量什麼。
Indra OCR 的速度，代表什麼工作變快？
吞吐量衡量同一段時間能完成多少頁，與一頁從送入到拿到結果的等待時間不同。官方模型卡把兩種數字分開列出，讀者也應該分開看。
若辦公室晚上要整理大量印刷文件，整批多久完成比較重要。若使用者拍一張文件就想立即看到文字，單頁等待與校正步驟更能反映體驗。
49 頁的數字來自作者測試，並非我們在讀者的電腦上實測。不同核心數、圖片大小、文件版面與輸出格式，都可能改變完成時間。
檔案本來有文字，不必每次重新辨識
部分 PDF 已經含有文字層，也就是畫面背後可選取、搜尋的文字。Indra 能先讀取這一層，再處理缺少文字的部分。
這樣做可以避免把清楚的電子文字重新轉成圖片，再猜一次。大量資料中若有不少數位文件，整體速度的改善也可能來自這項分流。
對使用者來說，選工具前先確認文件類型，通常比先比較模型大小更有幫助。
每秒 49 頁，不能換算成所有工作的完成時間
官方測試使用同一批三百頁文件，比較各工具的處理速度。把頁面固定下來很重要，因為只有資料相同，速度差距才有解讀基礎。
測試也排除了模型載入與暖機。暖機是先跑一次，讓程式準備好計算環境，所以短工作不能直接套用長時間穩定執行的速度。
假設行政人員只有五張收據，開啟程式、載入模型與核對結果，可能比辨識本身花更多時間。這時每秒處理多少頁，就不是唯一的採用理由。
假設另一個團隊每天整理大量教材，程式已經常駐，持續處理的速度才更接近日常需求。相同模型在這兩種任務裡，省下的時間會很不一樣。
比較時還要讓輸出要求相同。如果一個工具只交付文字，另一個還重建表格與閱讀順序，兩者承擔的工作量就不同。
例如雙欄講義需要先讀左欄再讀右欄，若把相鄰句子交錯串起來，字都正確仍然無法閱讀。版面處理因此有自己的價值。
官方總分也包含不同能力，不能當成中文字的正確百分比。想知道中文資料是否可用，應直接檢查自己需要的字、欄位和順序。
這讓試用問題更具體：我們需要快速取得一段可搜尋文字，還是要取得可直接進入資料表的完整文件？答案會改變驗收方式。
文字層也需要確認品質
含有文字層的文件不一定可以直接信任。假設舊掃描曾經做過辨識，畫面清楚，背後的文字卻仍有錯字，搜尋結果就可能漏掉關鍵資料。
可以先選幾段內容，試著複製貼上並對照原頁。若順序混亂或缺字，就不能只因為滑鼠能選取，便把它歸成乾淨的數位文件。
同一份文件也可能混合電子文字與圖片。正文可以直接抽取，圖片裡的小字卻需要辨識，因此整份檔案不必只有一種處理方式。
保留每頁採用的來源方式，能幫助追查差異。當某一頁突然變慢或漏字，先看它讀的是文字層還是圖片，會比直接換模型更有效率。
中文印刷、手寫與直式文字要分開評估
Indra 支援的掃描文字範圍包含中文，但官方明寫不支援手寫與直式文字。能讀數位 PDF 的某個語系，也不代表能辨識該語系的所有掃描頁。
臺灣常見的直式作文稿、學生手寫答案與模糊影印，正好落在需要另外評估的範圍。不能因為有中文字輸出，就當成可以取代原圖的可靠紀錄。
複雜表格也有自己的問題。文字可能讀對，卻被放到錯的列或欄，後續加總仍會得到錯誤結果。
因此，財務表格的驗收不能只抽查幾個字。應把欄名、數字、單位與行列關係一起對照，確認輸出仍保留原文件意思。
同樣是中文，錯一個字的後果也不同
假設講義將「練習」讀成「練習題」，搜尋資料時可能只是多出不相關結果。若把金額少讀一個零，付款作業受到的影響就完全不同。
這表示正確率應跟任務一起設定。一般閱讀可以容許少量待修字，姓名、金額、日期與答案欄則應逐項核對，不能平均處理。
評估中文掃描時，可以選不同字級、底色與影印品質。每組都記下原頁條件，才能知道錯誤集中在哪一類，而非只得到一個平均數。
直式排版的問題還包含閱讀方向。就算逐字辨識看似合理，左右欄的先後錯了，原本的段落與句子也可能失去意思。
手寫則更依賴筆跡、上下文與塗改判讀。把不支援的文件硬送進工具，仍可能拿到看似完整的文字，但完整不代表忠於原稿。
原圖因此要保留在結果旁邊。讀者點到某個字或欄位時能回到原頁，才可以釐清問題，不必靠猜測去補齊輸出。
表格驗收要沿著資料的用途走
假設一張採購單有品名、數量與單價，即使三欄都讀到了，只要某個價格錯配到另一列，最後總額就會跟原文件不同。
可以先核對一筆完整紀錄，再核對跨頁續表與合併欄位。這比隨機抽幾個字，更容易找到行列對應上的問題。
對合併儲存格而言，空白可能表示沿用上方內容，也可能就是缺值。下游整理程式要知道文件規則，不能讓模型任意補成看似整齊的表格。
當工作需要公式，可以另訂數學內容的測試。公式被轉成一般文字後，符號關係可能不再完整，讀者不應只看文字是否成功輸出。
這些檢查會增加時間，但也能找出適合分流的頁面。簡單印刷頁走快速路徑，少數複雜頁交給其他工具，才能保住整體效率。
小模型最有價值的地方，是替整套流程分工
小模型容易部署，適合放在文件流程的前段。先處理品質穩定、內容清楚的頁面，遇到無法確認的輸出就保留原圖並轉交後段。
例如整理舊教材時，可以先將印刷講義轉成可搜尋文字，插圖與公式另保留。老師找資料會更快，也能回到原頁確認引用。
這是可採用的流程設計，並非官方已驗證的學校導入案例。它的好處在於每個階段都有明確責任，出錯時容易知道要重看哪一頁。
評估成本時，加入人工校對時間
辨識快但錯字多，最後可能花更多時間修。比較工具時，把模型處理、頁面核對、表格重排和修正都計入，才看得出哪個選擇省工。
測試集應保留自己平常會遇到的難頁。如果只挑清楚文件，試用結果會比正式使用樂觀。
用教材整理推演一次分流
假設一位老師要整理一百頁舊教材，可以先分出清楚印刷、複雜表格與手寫註記。這是測試情境，頁數並非官方案例的成效資料。
清楚印刷頁先產生文字與來源頁碼，難頁留下影像和標記。老師搜尋題目時，能看到可用內容，也知道哪些頁面還需要處理。
如果某題跨到下一頁，整理時應保留連續關係。否則搜尋找到前半題，卻漏掉條件或選項，仍然不能拿來重新出題。
修正結果也要連回原頁，並留下誰確認過。這樣下一次更換辨識器，便能用已確認的資料比較，而不必再做一次相同校對。
試用可以記錄三種時間：機器處理、人工確認與重做。若只把第一項變快，另外兩項卻增加，整份工作的收益可能很有限。
假設原流程花半小時辨識、兩小時校對，辨識再快也只能改善其中一部分。要找更大的收益，就需要降低難頁比例或改進後續確認方式。
這個例子也說明，小模型的角色可以很務實。它負責快速產生可核對的候選文字，後段依不同文件用途決定哪些結果可以採用。
什麼情況應改用別的方案？
若錯誤主要來自不支援的手寫或直式內容，增加處理器核心數無法解決能力落差。硬體加速只會更快得到同一類錯誤。
若大部分時間花在表格修正，應比較完整文件解析流程。解析指把版面與資料關係一併整理，與單純將字讀出來有不同的工作重點。
若資料清楚但整批很慢，才值得檢查核心數、檔案讀取與前處理。先找出卡住的階段，就不會把每個問題都歸因於模型不夠大。
延伸閱讀：OpenDocRouter 上線：一個介面切換文件 AI，便宜解析與可信資料怎麼取捨？
延伸閱讀：MiniCPM-V 4.7 本機視覺 AI 解析：手機讀圖更快，3GB 記憶體與五倍加速怎麼看
開放程式碼與模型授權，是不同問題
作者提供的程式碼採 Apache 2.0，權重則採修改版 OpenRAIL-M。權重是模型學到的數值資料，能下載不代表所有商業用途都沒有條件。
官方模型卡的商業使用說明另列公司資金或營收門檻，以及與其服務競爭的使用限制。團隊若要把模型包裝成對外服務，應依自己的用途核對完整條款。
這與讀文件的能力無關，卻會影響產品能否長期使用。先把用途與授權對齊，再投入整合，可以避免後面重新換工具。
怎麼判斷是否值得試用？
我會先用一小組真實文件，檢查正文、行列和頁面順序，再測整批完成時間。測試中保留每頁原圖與結果，方便追查差異。
如果多數資料是乾淨印刷文件，Indra 值得評估。如果主要需求是學生手寫或直式作文，就應直接找支援這些條件的方案。
抽查結果要留下可重測的樣本
修正過的文件可以作為下一輪測試資料。保留原頁與確認文字，換用其他工具時就有相同基準，才看得出進步發生在哪裡。
但用來調整設定的頁面，最好不要全部當成最後驗收。若只對熟悉的樣本反覆修改，結果可能很好，遇到新文件卻仍會出錯。
可以另留一組尚未用來調整的印刷頁，最後再跑一次。這種分開比較的方式，能減少工具只適合已看過文件的錯覺。
記錄也不用做得很複雜。原檔、頁碼、輸出與錯誤類型足夠讓同事重看，就能把一次試用變成下次選工具的依據。
Indra OCR 常見問題
Indra OCR 能處理中文作文嗎？
中文印刷文字可以列入測試，手寫與直式作文不在官方支援範圍，不能據此推定可靠。
每秒 49 頁是每臺電腦都能達到嗎？
這是作者在指定條件下的吞吐量，讀者應用自己的文件和硬體重測，並加入人工修正時間。
從文件類型開始，才看得出小模型的價值
Indra 的亮點是讓大量標準文件更容易處理。選一批平常最常用的印刷頁，保留原圖完成比較，就能知道速度是否轉成實際省工。也可以從官方模型卡的本機檢視器開始，逐頁對照閱讀順序與文字來源，再決定哪些結果值得採用。
想繼續比較文件工具，可延伸閱讀前述 OpenDocRouter 分流分析，再用同一批原頁對照兩種流程。
