模型

AI 模型将古籍扫描识别成本压至千页 0.1 美元以下

AI 模型大幅降低古籍数字化成本:识别 1000 页内容费用已不到 0.1 美元

精选理由

Hugging Face 用 850 页古籍和档案实测 8 款 OCR 模型,从 RolmOCR 到 LightOnOCR-3-0.8B,千页成本一年半降到 0.1 美元以下。做古籍数字化、档案批量识别的团队直接照着这份测试选模型和调参数就行,省下的 GPU 租金很可观。

Hugging Face 的 Daniel van Strrien 对 8 款 OCR 模型做了对比测试,材料共 850 页,包括旧版自然历史书籍、1771 年版《大英百科全书》和打字印刷的历史档案。所有模型均在同一块英伟达 RTX PRO 6000 上运行,GPU 租用费为每小时 2.75 美元。

正文

结果显示,2025 年 4 月发布的 RolmOCR 识别 1000 页内容成本约 0.51 美元,而 2026 年 10 月发布的 LightOnOCR-3-0.8B 已降至不到 0.1 美元,按此水平识别 100 万页的 GPU 费用约为 65 至 130 美元。准确率方面,最新模型处理书籍页面至少不逊于最早模型,但部分模型会在空白页凭空生成文字或重复输出相同内容。

范斯特里恩还指出,优化运行方式(均衡任务分配、使用更小扫描图、更新软件、换更快的 GPU)节省的成本与更换新模型相当甚至更多,这对批量数字化古籍和档案的机构是可直接套用的降本方案。

原文 · IT之家

AI 模型大幅降低古籍数字化成本:识别 1000 页内容费用已不到 0.1 美元

IT之家 11 月 19 日消息,借助免费开放的 AI 模型,从扫描版书籍和档案中提取文字的成本已经大幅下降。 Hugging Face 的丹尼尔 · 范斯特里恩(Daniel van Strien)对 8 款能够识别图像中文字的 AI 模型进行了对比测试。测试材料共计 850 页,包括旧版自然历史书籍、1771 年版《大英百科全书》,以及打字和印刷的历史档案文件。 所有模型均在同一款 GPU 上运行,即英伟达(Nvidia)RTX PRO 6000。这款显卡由范斯特里恩通过 Hugging Face 租用,费用为每小时 2.75 美元 (IT之家注:现汇率约合 18.4 元人民币) 。 测试结果显示,在图像尺寸相同的情况下,2025 年 4 月发布的最早一款模型 RolmOCR,每识别 1000 页内容的成本约为 0.51 美元 (现汇率约合 3.4 元人民币) ;而 2026 年 10 月发布的最新模型 LightOnOCR-3-0.8B,成本已经降至不到 0.1 美元 (现汇率约合 0.67 元人民币) 。按照这一水平,识别 100 万页内容所需的 GPU 租赁费用约为 65 至 130 美元 (现汇率约合 434.3 至 868.5 元人民币) ,具体取决于原始材料的类型。 范斯特里恩指出,优化模型的运行方式所节省的成本,与更换更新一代模型带来的节省幅度相当,甚至可能更多。具体优化措施包括让页面处理任务分配得更加均衡、使用尺寸更小的扫描图像、更新软件,以及换用运行速度更快的 GPU。 在识别准确率方面,最新模型处理书籍页面时的表现至少不逊于最早的模型。不过,部分模型也存在明显问题,例如会在空白页面上凭空生成文字,或者反复输出相同内容。 扫描识别 1000 页内容的成本对比:最早的模型需要约 0.51 美元 (现汇率约合 3.4 元人民币) ,最新模型已降至不到 0.1 美元 (现汇率约合 0.67 元人民币) ,中间五款模型的成本则基本处于相近水平。

产业坐标与信源核验

本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:OCR、Hugging Face、RolmOCR、LightOnOCR,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「IT之家」,经 AITOP 多维评分管线结构化提炼。