AI模型大幅降低古籍数字化成本:识别1000页内容费用已不到0.1美元

发布时间:2026-11-19 22:26

  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。

  Hugging Face 的丹尼尔 · 范斯特里恩对 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

  所有模型均在同一款 GPU 上运行,即英伟达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。

  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;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。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,具体取决于原始材料的类型。

  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,最新模型已降至不到 0.1 美元,中间五款模型的成本则基本处于相近水平。

排行

精选