在线教程丨32K上下文一次解析数十页文档，百度开源Unlimited OCR，重构长文档复杂场景

过去几年OCR 已逐渐从「识别图片里的文字」演变为完整的文档理解Document Understanding任务。企业和开发者不仅需要提取文本还希望模型能够识别复杂版面结构、解析表格与公式、理解多栏排版并最终输出适合下游 RAG、知识库或办公自动化使用的结构化结果。然而当处理扫描报告、论文、PPT、合同以及多页 PDF 等长文档时传统 OCR 流程往往需要逐页推理、再进行后处理拼接不仅效率较低也容易造成上下文信息割裂。以 DeepSeek OCR 为代表的新一代端到端 OCR 模型通过引入大语言模型作为解码器充分利用语言先验显著提升了识别准确率和复杂版面解析能力。但与此同时一个新的挑战也随之出现随着输出内容不断增长模型的 KV Cache 会持续累积显存占用越来越高生成速度也会越来越慢。换句话说模型越接近文档结尾推理成本越高。百度团队近期开源的 Unlimited OCR 正是针对这一行业痛点提出了解决方案。该模型以 DeepSeek OCR 为基础引入全新的 Reference Sliding Window AttentionR-SWA 机制替换了解码器中的传统 Attention在降低 Attention 计算成本的同时将整个解码过程中的 KV Cache 控制为恒定大小。结合 DeepSeek OCR 编码器本身较高的信息压缩能力Unlimited OCR 能够在默认 32K 上下文长度下一次前向推理完成数十页文档的 OCR 与版面解析为长文档处理提供了一种更具工程价值的新思路。更值得关注的是R-SWA 并不仅适用于 OCR还具备扩展至自动语音识别ASR、机器翻译等长序列解析任务的潜力。目前HyperAIhyper.ai的教程版块已上线「Unlimited-OCR一键部署长文档 OCR 与版面解析」降低部署门槛助力快速验证模型 ⬇️在线运行https://go.hyper.ai/YfaB5查看相关论文https://go.hyper.ai/PZsJoDemo 示例更多在线教程Notebooks | HyperAIDemo 运行1.进入 hyper.ai 首页后选择「教程」页面或点击「查看更多教程」选择「Unlimited-OCR一键部署长文档 OCR 与版面解析」点击「运行此教程」。2.页面跳转后点击右上角「Clone」将该教程克隆至自己的容器中。注页面右上角支持切换语言目前提供中文及英文两种语言本教程文章以英文为例进行步骤展示。3.选择「NVIDIA RTX 5090」以及「PyTorch」镜像点击「Continue job execution继续执行」。4.等待分配资源当状态变为「Running运行中」后点击「Open Workspace」进入 Jupyter Workspace。效果展示1.页面跳转后点击左侧 README 文件进入后点击上方 Run运行。2.待运行完毕后点击右侧 API 地址即可打开 Demo 界面。Demo 示例