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
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。
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。
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。
This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include OCR, Hugging Face, RolmOCR, LightOnOCR.
Source attribution: curated from IT之家.