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。

打开网易新闻 查看精彩图片

AI模型大幅降低古籍数字化成本

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。

打开网易新闻 查看精彩图片

参考资料

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。