Baidu ha lanzado Unlimited-OCR, un modelo de inteligencia artificial diseñado para el análisis de documentos extensos y de alto horizonte. Esta herramienta, disponible en Hugging Face, permite a los desarrolladores integrar la capacidad de extracción de texto de imágenes en sus aplicaciones mediante librerías como Transformers, vLLM o SGLang. El modelo destaca por su capacidad de 'one-shot' parsing, lo que significa que puede procesar documentos de gran longitud en una sola pasada, superando las limitaciones de modelos anteriores como Deepseek-OCR.
La documentación técnica detalla cómo implementar el modelo en entornos locales y en la nube. Para usuarios de NVIDIA GPUs, se proporciona código de ejemplo en Python utilizando la librería Transformers, que incluye configuraciones específicas para imágenes de alta resolución (configuración 'gundam') y procesamiento de múltiples páginas o PDFs. El código muestra cómo convertir archivos PDF en imágenes para su procesamiento y cómo manejar la salida de texto con longitudes máximas de 32,768 tokens. Además, se incluyen instrucciones para desplegar el modelo mediante contenedores Docker, especificando imágenes precompiladas para diferentes arquitecturas de GPU, como CUDA 13.0 o Hopper (CUDA 12.9). El proyecto también ofrece demos en Hugging Face Spaces y soporte para inferencia local con vLLM, facilitando la integración en flujos de trabajo de producción que requieren precisión en la lectura de documentos complejos.