Newsora
IT之家11/19 21:49 · 16m ago

AI 模型大幅降低古籍數字化成本:識別 1000 頁內容費用已不到 0.1 美元

IT之家 11 月 19 日消息,藉助免費開放的 AI 模型,從掃描版書籍和檔案中提取文字的成本已經大幅下降。Hugging Face 的丹尼爾 · 範斯特里恩(Daniel van Strien)對 8 款能夠識別圖像中文字的 AI 模型進行了對比測試。測試材料共計 850 頁,包括舊版自然歷史書籍、1771 年版《大英百科全書》,以及打字和印刷的歷史檔案文件。所有模型均在同一款 GPU 上運行,即英偉達(Nvidia)RTX PRO 6000。這款顯卡由範斯特里恩通過 Hugging Face 租用,費用爲每小時 2.75 美元(IT之家注:現匯率約合 18.4 元人民幣)。測試結果顯示,在圖像尺寸相同的情況下,2025 年 4 月發佈的最早一款模型 RolmOCR,每識別 1000 頁內容的成本約爲 0.51 美元(現匯率約合 3.4 元人民幣);而 2026 年 10 月發佈的最新模型 LightOnOCR-3-0.8B,成本已經降至不到 0.1 美元(現匯率約合 0.67 元人民幣)。按照這一水平,識別 100 萬頁內容所需的 GPU 租賃費用約爲 65 至 130 美元(現匯率約合 434.3 至 868.5 元人民幣),具體取決於原始材料的類型。範斯特里恩指出,優化模型的運行方式所節省的成本,與更換更新一代模型帶來的節省幅度相當,甚至可能更多。具體優化措施包括讓頁面處理任務分配得更加均衡、使用尺寸更小的掃描圖像、更新軟件,以及換用運行速度更快的 GPU。在識別準確率方面,最新模型處理書籍頁面時的表現至少不遜於最早的模型。不過,部分模型也存在明顯問題,例如會在空白頁面上憑空生成文字,或者反覆輸出相同內容。掃描識別 1000 頁內容的成本對比:最早的模型需要約 0.51 美元(現匯率約合 3.4 元人民幣),最新模型已降至不到 0.1 美元(現匯率約合 0.67 元人民幣),中間五款模型的成本則基本處於相近水平。

Aggregator site: only the publisher's summary is shown here. Read the full story at the source.
Read full story →