Chandra OCR 2
Chandra 2 是由 Datalab 开发的顶尖 OCR 模型，可输出 markdown、HTML 和 JSON 格式。它能从图像和 PDF 中高精度提取文本，同时保留布局信息。
您可以在 免费试用平台 体验 Chandra，或使用 托管 API 以获得更高的准确性和速度。
Chandra 2 的新特性
- 85.9% 的 olmocr 基准分数（当前最优），77.8% 的多语言基准分数（相比 Chandra 1 提升 12%）
- 数学公式、表格和复杂布局识别能力显著增强
- 布局优化，尤其在宽幅文档上表现更佳
- 图像 caption 生成能力大幅提升
- 支持 90 多种语言，主要语言识别准确率显著提高
功能特点
- 将文档转换为包含详细布局信息的 markdown、HTML 或 JSON 格式
- 出色的手写体识别支持
- 准确还原表单内容，包括复选框
- 对表格、数学公式和复杂布局的识别表现优异
- 提取图像和图表，并附带 caption 及结构化数据
- 支持 90 多种语言
快速入门
pip install chandra-ocr
# With vLLM (recommended, easy install)
chandra_vllm
chandra input.pdf ./output
# With HuggingFace (requires torch)
pip install chandra-ocr[hf]
chandra input.pdf ./output --method hf使用方法
借助 vLLM（推荐）
from chandra.model import InferenceManager
from chandra.model.schema import BatchInputItem
from PIL import Image
# Start vLLM server first with: chandra_vllm
manager = InferenceManager(method="vllm")
batch = [
BatchInputItem(
image=Image.open("document.png"),
prompt_type="ocr_layout"
)
]
result = manager.generate(batch)[0]
print(result.markdown)使用 HuggingFace Transformers
from transformers import AutoModelForImageTextToText, AutoProcessor
from chandra.model.hf import generate_hf
from chandra.model.schema import BatchInputItem
from chandra.output import parse_markdown
from PIL import Image
import torch
model = AutoModelForImageTextToText.from_pretrained(
"datalab-to/chandra-ocr-2",
dtype=torch.bfloat16,
device_map="auto",
)
model.eval()
model.processor = AutoProcessor.from_pretrained("datalab-to/chandra-ocr-2")
model.processor.tokenizer.padding_side = "left"
batch = [
BatchInputItem(
image=Image.open("document.png"),
prompt_type="ocr_layout"
)
]
result = generate_hf(batch, model)[0]
markdown = parse_markdown(result.raw)
print(markdown)基准测试
olmOCR 基准测试
| 模型 | ArXiv | 旧扫描数学公式 | 表格 | 旧扫描件 | 页眉页脚 | 多列 | 长小文本 | 基础 | 总体 | 来源 |
|---|---|---|---|---|---|---|---|---|---|---|
| Datalab API | 90.4 | 90.2 | 90.7 | 54.6 | 91.6 | 83.7 | 92.3 | 99.9 | 86.7 ± 0.8 | 自有基准测试 |
| Chandra 2 | 90.2 | 89.3 | 89.9 | 49.8 | 92.5 | 83.5 | 92.1 | 99.6 | 85.9 ± 0.8 | 自有基准测试 |
| dots.ocr 1.5 | 85.9 | 85.5 | 90.7 | 48.2 | 94.0 | 85.3 | 81.6 | 99.7 | 83.9 | dots.ocr 仓库 |
| Chandra 1 | 82.2 | 80.3 | 88.0 | 50.4 | 90.8 | 81.2 | 92.3 | 99.9 | 83.1 ± 0.9 | 自有基准测试 |
| olmOCR 2 | 83.0 | 82.3 | 84.9 | 47.7 | 96.1 | 83.7 | 81.9 | 99.6 | 82.4 | olmocr 仓库 |
| dots.ocr | 82.1 | 64.2 | 88.3 | 40.9 | 94.1 | 82.4 | 81.2 | 99.5 | 79.1 ± 1.0 | dots.ocr 仓库 |
| olmOCR v0.3.0 | 78.6 | 79.9 | 72.9 | 43.9 | 95.1 | 77.3 | 81.2 | 98.9 | 78.5 ± 1.1 | olmocr 仓库 |
| Datalab Marker v1.10.0 | 83.8 | 69.7 | 74.8 | 32.3 | 86.6 | 79.4 | 85.7 | 99.6 | 76.5 ± 1.0 | 自有基准测试 |
| Deepseek OCR | 75.2 | 72.3 | 79.7 | 33.3 | 96.1 | 66.7 | 80.1 | 99.7 | 75.4 ± 1.0 | 自有基准测试 |
| Mistral OCR API | 77.2 | 67.5 | 60.6 | 29.3 | 93.6 | 71.3 | 77.1 | 99.4 | 72.0 ± 1.1 | olmocr 仓库 |
| GPT-4o (Anchored) | 53.5 | 74.5 | 70.0 | 40.7 | 93.8 | 69.3 | 60.6 | 96.8 | 69.9 ± 1.1 | olmocr 仓库 |
| Qwen 3 VL 8B | 70.2 | 75.1 | 45.6 | 37.5 | 89.1 | 62.1 | 43.0 | 94.3 | 64.6 ± 1.1 | 自有基准测试 |
| Gemini Flash 2 (Anchored) | 54.5 | 56.1 | 72.1 | 34.2 | 64.7 | 61.5 | 71.5 | 95.6 | 63.8 ± 1.2 | olmocr 仓库 |
示例
| 类型 | 名称 | 链接 |
|---|---|---|
| 表格 | 统计分布表 | 查看 |
| 表格 | 财务报表 | 查看 |
| 表单 | 注册表 | 查看 |
| 表单 | 租赁协议表 | 查看 |
| 数学 | CS229 教材 | 查看 |
| 数学 | 手写数学公式 | 查看 |
| 数学 | 中文数学题 | 查看 |
| 手写体 | 草书手写文本 | 查看 |
| 手写体 | 手写笔记 | 查看 |
| 语言 | 阿拉伯语 | 查看 |
| 语言 | 日语 | 查看 |
| 语言 | 印地语 | 查看 |
| 语言 | 俄语 | 查看 |
| 其他 | 图表 | 查看 |
| 其他 | 化学公式 | 查看 |
多语言基准测试（43种语言）
下表涵盖了43种最常用语言在多个模型上的基准测试结果。若需查看90种语言的综合评估（仅Chandra 2与Gemini 2.5 Flash对比），请参见完整90种语言基准测试。
| 语言 | Datalab API | Chandra 2 | Chandra 1 | Gemini 2.5 Flash | GPT-5 Mini |
|---|---|---|---|---|---|
| ar | 67.6% | 68.4% | 34.0% | 84.4% | 55.6% |
| bn | 85.1% | 72.8% | 45.6% | 55.3% | 23.3% |
| ca | 88.7% | 85.1% | 84.2% | 88.0% | 78.5% |
| cs | 88.2% | 85.3% | 84.7% | 79.1% | 78.8% |
| da | 90.1% | 91.1% | 88.4% | 86.0% | 87.7% |
| de | 93.8% | 94.8% | 83.0% | 88.3% | 93.8% |
| el | 89.9% | 85.6% | 85.5% | 83.5% | 82.4% |
| es | 91.8% | 89.3% | 88.7% | 86.8% | 97.1% |
| fa | 82.2% | 75.1% | 69.6% | 61.8% | 56.4% |
| fi | 85.7% | 83.4% | 78.4% | 86.0% | 84.7% |
| fr | 93.3% | 93.7% | 89.6% | 86.1% | 91.1% |
| gu | 73.8% | 70.8% | 44.6% | 47.6% | 11.5% |
| he | 76.4% | 70.4% | 38.9% | 50.9% | 22.3% |
| hi | 80.5% | 78.4% | 70.2% | 82.7% | 41.0% |
| hr | 93.4% | 90.1% | 85.9% | 88.2% | 81.3% |
| hu | 88.1% | 82.1% | 82.5% | 84.5% | 84.8% |
| id | 91.3% | 91.6% | 86.7% | 88.3% | 89.7% |
| it | 94.4% | 94.1% | 89.1% | 85.7% | 91.6% |
| ja | 87.3% | 86.9% | 85.4% | 80.0% | 76.1% |
| jv | 87.5% | 73.2% | 85.1% | 80.4% | 69.6% |
| kn | 70.0% | 63.2% | 20.6% | 24.5% | 10.1% |
| ko | 89.1% | 81.5% | 82.3% | 84.8% | 78.4% |
| la | 78.0% | 73.8% | 55.9% | 70.5% | 54.6% |
| ml | 72.4% | 64.3% | 18.1% | 23.8% | 11.9% |
| mr | 80.8% | 75.0% | 57.0% | 69.7% | 20.9% |
| nl | 90.0% | 88.6% | 85.3% | 87.5% | 83.8% |
| no | 89.2% | 90.3% | 85.5% | 87.8% | 87.4% |
| pl | 93.8% | 91.5% | 83.9% | 89.7% | 90.4% |
| pt | 97.0% | 95.2% | 84.3% | 89.4% | 90.8% |
| ro | 86.2% | 84.5% | 82.1% | 76.1% | 77.3% |
| ru | 88.8% | 85.5% | 88.7% | 82.8% | 72.2% |
| sa | 57.5% | 51.1% | 33.6% | 44.6% | 12.5% |
| sr | 95.3% | 90.3% | 82.3% | 89.7% | 83.0% |
| sv | 91.9% | 92.8% | 82.1% | 91.1% | 92.1% |
| ta | 82.9% | 77.7% | 50.8% | 53.9% | 8.1% |
| te | 69.4% | 58.6% | 19.5% | 33.3% | 9.9% |
| th | 71.6% | 62.6% | 47.0% | 66.7% | 53.8% |
| tr | 88.9% | 84.1% | 68.1% | 84.1% | 78.2% |
| uk | 93.1% | 91.0% | 88.5% | 87.9% | 81.9% |
| ur | 54.1% | 43.2% | 28.1% | 57.6% | 16.9% |
| vi | 85.0% | 80.4% | 81.6% | 89.5% | 83.6% |
| zh | 87.8% | 88.7% | 88.3% | 70.0% | 70.4% |
| 平均值 | 80.4% | 77.8% | 69.4% | 67.6% | 60.5% |
全90种语言基准测试
我们还进行了更全面的评估，涵盖90种语言，将Chandra 2与Gemini 2.5 Flash进行比较。平均得分低于上述43种语言表格，因为其中包含了许多资源较少的语言。Chandra 2的平均得分为72.7%，而Gemini 2.5 Flash的平均得分为60.8%。
查看完整的90种语言结果。
吞吐量
使用vLLM在单个NVIDIA H100 80GB GPU上进行基准测试，采用来自olmOCR基准测试集的多种文档（数学、表格、扫描件、多列布局）混合数据。该测试集的速度明显慢于实际使用场景——我们估计实际使用中速度为2页/秒。
| 配置 | 页数/秒 | 平均延迟 | P95延迟 | 失败率 |
|---|---|---|---|---|
| vLLM，96个并发序列 | 1.44 | 60秒 | 156秒 | 0% |
商业用途
代码采用Apache 2.0许可证。模型权重使用修改后的OpenRAIL-M许可证：免费用于研究、个人使用以及融资/收入低于200万美元的初创企业。不得用于与我们的API竞争。如需更广泛的商业许可，请参见定价。