Surya OCR完整部署指南3步跑通安装到生产覆盖90语言文档识别【免费下载链接】suryaOCR, layout analysis, reading order, table recognition in 90 languages项目地址: https://gitcode.com/GitHub_Trending/su/surya上万页扫描合同、多语言发票堆在档案系统里你用的OCR工具每抽一页就可能错读一个表格单元格人工核对一天下来就是几个小时的开销。Surya 是开源文档智能工具包覆盖 OCR 文字识别、版面分析、阅读顺序与表格结构识别支持 90 语言。本文不碰模型权重只讲怎么用安装、首跑、调参、轻量化上线全程约 15~20 分钟可验证。官方 91 语言内部基准平均通过率 87.2%逐语言明细见 static/docs/multilingual.md。先做决策4种能力与2个推理后端写代码前先确认两件事你要用哪种能力部署机器配什么算力。4种能力每种都有一条命令入口能力命令产物文本行检测surya_detect文本行 bbox、竖线版面与阅读顺序surya_layout按阅读顺序排列的元素框与标签OCR 文字识别surya_ocr分块 HTML 文本 bbox 置信度表格识别surya_table行/列/单元格几何可选完整表格 HTML四条命令统一输出results.json下游系统直接消费即可。版面模型能区分文本、章节标题、表格、公式、图片、表单等 18 种标签完整清单见仓库内surya/layout/label.py。推理后端怎么选vllm 还是 llama.cppSurya 2 的 OCR、版面、表格识别都走同一个 650M 参数的 VLM视觉语言模型即能看图又能出文字的模型首次使用时自动拉起推理服务无需手工部署后端适用环境前置要求vllmNVIDIA GPUDocker NVIDIA 容器工具包llama.cppCPU / Apple Siliconllama-server二进制macOS 可brew install llama.cpp拿不准就交给系统自动选择缺什么组件启动时会明确报错。不同模型规格与基准的对照图见仓库自带的图表。最小可运行配置3步拿到第一份OCR输出第一步装包并备好后端# 从 PyPI 安装需 Python 3.10 pip install surya-ocr # macOS 上安装 llama.cpp 后端CPU / Apple Silicon 路线 brew install llama.cpp装完即可使用surya_ocr等六个命令行入口Linux 机器走 llama.cpp 路线时请下载官方 release 中的二进制并加入 PATH。第二步跑第一条识别命令# 处理单个 PDF--images 会额外保存标注图方便肉眼核对 surya_ocr ./invoice.pdf --images命令把结果写入默认的results/目录。每个文本块带label元素类型、html识别文本、bbox/polygon位置、confidence0~1 的置信度。某块没有文字时先看skipped字段——图片类块默认不参与识别属于正常行为。第三步用可视化界面复核效果# 装两个依赖后启动交互界面 pip install streamlit pdftext surya_gui浏览器里直接拖入图片或 PDF可对比检测、识别、版面几种视图排查问题时比翻 JSON 快得多。下面是表单文档的版面分析示例注意页眉、正文、表格区域的切分粒度。识别率上不去的5个排查点首份文档跑完后精度不达预期先别急着换模型——多数情况是配置问题。按顺序排查⚠️DPI 偏低IMAGE_DPI默认 96用于版面/检测这类粗结构任务IMAGE_DPI_HIGHRES默认 192用于识别/表格这类细粒度任务。扫描件字号小时把识别端保持 192 能明显改善。老显卡拒启 bf16T4 / Turing 架构的卡不支持 bfloat16vllm起不来时把VLLM_DTYPE设为float16。并行槽位不匹配SURYA_INFERENCE_PARALLEL控制客户端并发llama.cpp 侧要与服务端的--parallel对齐否则长输出会被静默截断。淡色扫描件被当空白页检测阶段有DETECTOR_BLANK_THRESHOLD默认 0.35控制空白判定低对比度文档可先下调再观察。整页模式与分块模式混淆整页 OCR 每次一个 VLM 调用传入版面结果则切分块识别两者输出存在差异属正常不是变差了。以上参数集中在 surya/settings.py全部支持环境变量覆盖例如TORCH_DEVICEcpu可整体切到 CPU 运行。验证与上线从 pytest 到 GGUF发布前先跑测试仓库自带覆盖检测、版面、识别、表格、OCR 错误检测等核心链路的测试pip install pytest pytest tests/依赖 VLM 后端的用例在没有 vllm / llama-server 的环境会自动跳过机制见 tests/conftest.py所以 CI 全绿不等于全量通过上线前务必在目标机器上真实验一份文档。给 CPU 机器生成 GGUF 轻量产物生产机没有 NVIDIA GPU 时可用 llama.cpp 承载推理前提是拿到 GGUF 量化产物。仓库内置官方转换脚本# 把 HF 检查点转成标准 llama.cpp 可加载的 GGUF python -m surya.scripts.build_gguf \ --checkpoint 检查点名称或本地路径 \ --out-dir ./gguf-build脚本会在副本目录上打补丁原始检查点不被修改细节见 surya/scripts/build_gguf.py。产物生成后启动llama-server再设SURYA_INFERENCE_URLhttp://host:port/v1Surya 就能挂到已有服务上而不再自行拉起进程。接下来可以做什么批量任务给每条命令加--keep_server让多条命令复用同一个推理服务省掉重复的模型加载开销。多语言场景先查 static/docs/multilingual.md 的逐语言得分表再决定 DPI 与后端投入。需要微调自有数据的话官方暂未提供训练脚本以官方文档的最新说明为准。这套部署链路踩的坑不少都藏在配置里觉得顺手可以点个关注项目更新很快。【免费下载链接】suryaOCR, layout analysis, reading order, table recognition in 90 languages项目地址: https://gitcode.com/GitHub_Trending/su/surya创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考