Fullerene 3M

CarbonResearchLabs выпустила Fullerene 3M — латинский набор OCR-движка Carbon-OCR на C++ и CUDA. Четыре небольшие сети с суммарными 2 774 014 параметрами читают сканы, фото документов и PDF в текст, HTML, markdown и JSON с боксами, порядком чтения, метками блоков и ячейками таблиц. Модели обучены с нуля и покрывают латиницу, кириллицу и греческий.

✅ Ключевые особенности

• ✅ Четыре модели: orient (338 669 параметров), det (442 564), rec-latin (1 511 104) и order (481 677).
• 🔥 Выход через Carbon-OCR: text, HTML, markdown, JSON, hOCR, ALTO и PDF; боксы, порядок чтения, 13 меток блоков и структура таблиц.
• ⬇ На одном ядре CPU — 4.06 страницы/с, в 5.4 раза быстрее Tesseract; на ноутбучной RTX 4060 с TensorRT — 101.5 страницы/с.
• 💯 OmniParseBench: headline 44.4 против 5.9 у Tesseract 5.5; olmOCR-Bench: 45.1 против 34.2.
• 👁 Без LaTeX-математики и многих письменностей; старые сканы читает хуже Tesseract.

✨ Пример

import carbon_ocr

engine = carbon_ocr.Engine("fullerene-3M")
page = engine.ocr([carbon_ocr.load_image("page.png")], html=True)[0]
print(page["html"])

Подробнее

OmniParseBench: текст 27.3 против 17.8, таблицы 23.6 против 0.0, layout 82.4 против 0.0.
Скорость: 4.06 стр./с на одном ядре CPU против 0.756; на RTX 4060 Laptop 8 ГБ с TensorRT — 101.5 стр./с.
Ограничения: нет LaTeX, ряда письменностей и скриптового роутера; на английских страницах OmniDocBench текст местами хуже Tesseract (edit distance 0.165 против 0.129).
Минимальные требования не указаны; запуск — через Carbon-OCR.