TurboOCR v3は、セルフホスト型の高速ドキュメントOCRサーバーであり、HTTPおよびgRPC経由での完全なローカル実行を維持しながら、エンドツーエンドの構造化解析をサポートするようになりました。

  • パイプラインはPP-OCRv6モデルに切り替わり、RTX 5090上のtinyモデルを使用してFUNSDでスループットが約270から約520 img/sに向上しました。
  • 新しい構造化解析により、レイアウトがHTMLテーブルに変換され、数式がLaTeXに、読み順がMarkdownに変換されます。
  • テーブルと数式の処理は、不要な計算コストを避けるため、リクエストごとにオプトイン方式です。
  • このスタックはC++、TensorRT FP16、マルチストリーミングを利用し、直接のPDFエンドポイントを含みます。