Chandra 是一款 9B 参数的开源 OCR 大模型，专为复杂文档识别而生。支持 40 种语言，在 olmOCR 基准测试中 83.1 分超越 GPT-4o 和 Gemini Flash 2。手写体、数学公式、复杂表格、模糊扫描件全都能搞定，支持本地免费部署，数据隐私完全可控，适合企业个人使用。
🎤 引言
处理扫描文档、PDF 转文字是很多人头疼的问题。传统 OCR 对手写体、复杂表格、数学公式的识别效果往往不尽人意，而商业 API 又贵又有隐私风险。
今天要安利的 Chandra，是一款开源的 9B 参数 OCR 模型，专门解决这些痛点。它在 olmOCR 基准测试中拿下 83.1 分，实实在在超越了 GPT-4o 和 Gemini Flash 2。更香的是，完全免费，支持本地部署。
⭐ 核心功能
🎯 9B 参数大模型
Chandra 基于 9B 参数架构，相比传统 OCR 工具，对复杂场景的识别能力有质的飞跃。模糊扫描件、老旧文档、低质量图片都能处理。
📝 手写体识别
GitHub Issues 里用户反馈最多的需求之一就是手写识别。Chandra 在这方面表现亮眼，连潦草的手写笔记都能准确识别。
📊 复杂表格提取
表格识别是 OCR 的难点。Chandra 在表格识别基准测试中拿下 88.0 分，能准确还原表格结构，保持行列对应关系。
🔢 数学公式识别
学生党、科研工作者的福音。Chandra 能识别复杂的数学公式，包括积分、矩阵、上下标等，老扫描数学题识别准确率 80.3 分。
🌍 40 语言支持
支持中文、英文、日文、韩文等 40 种语言，多语言混合文档也能搞定。
⚡ 双后端支持
- HuggingFace Transformers：适合调试和开发
- vLLM：生产环境高性能推理
📥 安装与使用
环境准备
# 克隆仓库
git clone https://github.com/datalab-to/chandra.git
cd chandra
# 安装依赖
pip install -r requirements.txt快速开始
from chandra import ChandraOCR
# 初始化模型
ocr = ChandraOCR(model_path="datalab-to/chandra-9b")
# 识别图片
result = ocr.process_image("document.png")
print(result.text)
# 识别 PDF
result = ocr.process_pdf("document.pdf")
for page in result.pages:
print(f"Page {page.number}: {page.text}")Streamlit 交互界面
# 启动 Web 界面
streamlit run app.py浏览器打开 http://localhost:8501，拖拽图片或 PDF 即可识别。
📊 性能对比
| 模型 | 综合得分 | 表格识别 | 长小字 | 老扫描数学题 |
|---|---|---|---|---|
| Chandra | 83.1 | 88.0 | 92.3 | 80.3 |
| GPT-4o | 82.5 | 85.2 | 90.1 | 78.9 |
| Gemini Flash 2 | 81.8 | 86.4 | 89.7 | 77.2 |
数据来源：olmOCR 基准测试（2026-03）
💡 使用场景
| 场景 | 说明 |
|---|---|
| 学术论文数字化 | 扫描版论文转可编辑文本，保留公式格式 |
| 档案整理 | 老旧手写档案数字化，支持批量处理 |
| 财务报表提取 | 复杂表格自动识别，导出 Excel 格式 |
| 试卷批改辅助 | 手写答案识别，自动评分系统对接 |
| 多语言文档翻译 | 先识别再翻译，保持原文排版 |
⚠️ 已知局限
根据 GitHub Issues 和社区反馈：
- 显存需求：9B 模型需要较高显存，建议 16GB+ GPU
- 处理速度：大模型推理较慢，批量处理需耐心等待
- 特殊字体：艺术字体、极度模糊的文本识别率下降
- 竖排文字：目前主要优化横排文字，竖排支持有限
✅ 总结
Chandra 确实是 OCR 领域的一匹黑马。9B 参数、83.1 分基准测试成绩、40 语言支持，这些数据放在一起，足以让它成为目前最强的开源 OCR 方案之一。
如果你需要处理复杂文档、手写笔记、数学公式，又不想用昂贵的商业 API，Chandra 绝对值得一试。本地部署意味着数据完全私有，对隐私敏感的用户来说是加分项。
当然，如果你的场景只是简单的印刷体文字识别，轻量级 OCR 工具可能更合适。但对于复杂场景，Chandra 的优势非常明显。