Surya 是一款专为文档智能打造的轻量级 OCR 与版面分析工具。它将文字识别、版面分析、阅读顺序判断和表格识别全部集成在同一个 650M 参数的视觉语言模型中，覆盖 90 多种语言，并可在普通消费级 GPU 上实现每秒 5 页的处理速度。

除了基础 OCR，Surya 还能自动区分标题、正文、图片、表格等版面元素，给出阅读顺序，并将表格内容还原为结构化 HTML；同时支持数学公式内嵌识别，所有结果均以 HTML 形式输出，方便后续排版与检索。

项目已在 GitHub 开源，采用 Apache 2.0 协议，模型权重对研究、个人及营收/融资低于 500 万美元的初创公司免费。支持通过 pip 一键安装，也可本地运行 Streamlit 可视化界面，快速体验全流程文档解析。

GitHub：github.com/datalab-to/surya
官网：www.datalab.to

#OCR# #文档智能# #开源工具#