複雑な表・手書き・数式もまるごとデジタル化！90言語対応の最先端OCRモデル — chandra

アーキテクチャ・推論方式

• モデル名: datalab-to/chandra-ocr-2（HuggingFace上で公開）
• 2つの推論バックエンドを提供:
  • HuggingFace（ローカル）: transformers + PyTorchを利用。flash attentionの導入を推奨
  • vLLM（サーバー）: Dockerコンテナで最適化された推論サーバーを起動し、APIベースで処理。本番環境・バッチ処理向け
• ベースモデルとしてQwen 3.5系を活用（Creditsセクションより）

出力形式

• Markdown（.md）、HTML（.html）、JSON（_metadata.json）を同時生成
• 抽出した画像は出力ディレクトリに保存
• ページ範囲指定、ヘッダー/フッターの除外、画像抽出の有無などをオプションで制御可能

主要機能一覧

• 複雑な表（金融表、統計表など）の正確な構造化
• 手書き文字・筆記体の認識
• 数式（LaTeX的な数学表記）の変換
• チェックボックスを含むフォームの再現
• 図表・グラフの抽出とキャプション・構造データの付与
• マルチカラム（複数段組み）レイアウトの対応
• 古いスキャン文書の処理

対応言語・多言語性能

• 90以上の言語に対応
• 43言語ベンチマーク平均: Chandra 2 = 77.8%、Gemini 2.5 Flash = 67.6%、GPT-5 Mini = 60.5%
• 90言語ベンチマーク平均: Chandra 2 = 72.7% vs Gemini 2.5 Flash = 60.8%
• 日本語: 86.9%、中国語: 88.7%、ドイツ語: 94.8%、フランス語: 93.7%など高水準

ベンチマーク（olmOCRベンチマーク）

スループット（処理速度）

• NVIDIA H100 80GB GPU 1台、vLLM利用時:
  • 1.44ページ/秒（96並列シーケンス）
  • 平均遅延: 60秒、P95遅延: 156秒、失敗率: 0%
• 実運用では約2ページ/秒と推定

CLIオプション

• --method [hf|vllm]: 推論方式の選択（デフォルト: vllm）
• --page-range: ページ範囲指定（例: "1-5,7,9-12"）
• --max-output-tokens: 1ページあたりの最大トークン数（デフォルト: 12384）
• --max-workers: vLLM並列ワーカー数
• --include-images/--no-images: 画像抽出の有無
• --include-headers-footers/--no-headers-footers: ヘッダー/フッターの有無
• --batch-size: バッチサイズ（vllm: 28、hf: 1）

環境変数による設定

local.envファイルまたは環境変数で設定可能:

• MODEL_CHECKPOINT: 使用モデル
• MAX_OUTPUT_TOKENS: 最大出力トークン数
• VLLM_API_BASE, VLLM_MODEL_NAME, VLLM_GPUS: vLLMサーバー設定

ライセンス・商用利用

• コード: Apache 2.0ライセンス（自由に利用可能）
• モデル重み: 修正OpenRAIL-Mライセンス
  • 研究・個人利用・スタートアップ（資金調達/売上200万ドル未満）は無料
  • Datalab APIと競合する用途での使用は禁止
  • より広い商用利用にはライセンス購入が必要

ホストAPI・プレイグラウンド

• datalab.toでホストAPIを提供（より高精度・高速）
• インストール不要の無料プレイグラウンドあり

# 基本インストール（vLLMバックエンド用）
pip install chandra-ocr

# vLLMサーバーを起動（推奨・軽量）
chandra_vllm

# PDFを変換（vLLM経由）
chandra input.pdf ./output

# HuggingFaceバックエンドを使う場合（PyTorchが必要）
pip install chandra-ocr[hf]
chandra input.pdf ./output --method hf

# Webアプリ（対話型UI）を起動する場合
pip install chandra-ocr[app]
chandra_app

ソースからビルドする場合:

git clone https://github.com/datalab-to/chandra.git
cd chandra
uv sync
source .venv/bin/activate