一、教程简介

Chandra 是由 Datalab-to 团队于 2025 年 10 月开发的高精度文档 OCR（Optical Character Recognition）系统，专注于文档布局感知和文本抽取。 Chandra 可直接处理 PDF 和图像文件，生成结构化文本、 Markdown 和 HTML 输出，同时提供可视化布局图，便于检查 OCR 结果。

核心特性：

• 高精度 OCR：针对文档、表格和多列排版优化，支持复杂页面布局。
• 布局感知：生成可视化布局图，标记文本块、表格和图像区域。
• 多格式输出：支持 Markdown 、 HTML 、纯文本下载。
• 简单部署：基于 Streamlit 界面，可在浏览器中快速交互。
• 轻量化模型：直接使用 Transformers 加载模型，无需额外依赖 vLLM 。

本教程使用 Streamlit 部署 Chandra OCR 核心模型，算力资源采用「RTX_5090」，可快速运行文档推理与布局可视化。

二、效果展示

Chandra 在核心任务上表现优异：

• 单页文档 OCR：从 PDF 或图像生成高精度文本与 Markdown 。
• 布局检测：精确识别文本块、表格、图片等区域，支持布局可视化。
• 多页文档支持：可分页处理 PDF 文件，界面页码从 1 开始显示，防止越界错误。
• Markdown 与 HTML 输出：自动将 OCR 结果嵌入 Markdown 或 HTML，支持下载。
• 可视化布局图：生成标注文本区域的 PIL 图像，便于核对 OCR 精度。

三、运行步骤

1. 启动容器或本地运行

启动容器后点击 API 地址即可进入 Web 界面：

2. 使用指南

若显示「Bad Gateway」, 表示模型正在初始化，请等待 1-2 分钟刷新页面。

提示：如果进入页面后显示「Running load_model()」，表示模型正在初始化，请耐心等待 1-2 分钟后刷新页面。

四、交流探讨

🖌️ 欢迎大家在平台内留言推荐或分享文档 OCR 、布局识别相关经验。可加入教程交流群，探讨 Chandra OCR 部署与应用技巧 ↓