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。

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。

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。