datalab-to/chandra
OCR model that handles complex tables, forms, handwriting with full layout.
Python · ★ 7,777 · Fork 772 · 在 GitHub 查看
在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→
GitHub Trending 上榜记录
datalab-to/chandra 已在 GitHub Trending 每日榜单上榜 4 天,最高排名第 6,首次上榜 2026-03-26,最近一次上榜 2026-03-29。
| 日期 | 排名 | Star | 当日增长 |
|---|---|---|---|
| 2026-03-29 | #7 | 7,777 | +687 |
| 2026-03-28 | #6 | 7,536 | +912 |
| 2026-03-27 | #6 | 6,957 | +913 |
| 2026-03-26 | #9 | 6,064 | +546 |
同期上榜的项目
- luongnv89/claude-howto – A visual, example-driven guide to Claude Code — from basic concepts to advanced agents, with copy-paste templates that bring immediate value.
- Yeachan-Heo/oh-my-claudecode – Teams-first Multi-agent orchestration for Claude Code
- microsoft/VibeVoice – Open-Source Frontier Voice AI
- NousResearch/hermes-agent – The agent that grows with you
- OpenBB-finance/OpenBB – Financial data platform for analysts, quants and AI agents.
- obra/superpowers – An agentic skills framework & software development methodology that works.
datalab-to/chandra (Chandra OCR 2) 项目深度剖析与商业评估报告
datalab-to/chandra (Chandra OCR 2) 项目深度剖析与商业评估报告
报告日期: 2026-08-22 | 分析对象: datalab-to/chandra v2 (Chandra OCR 2) 仓库状态: 12.1k Stars / 1.2k Forks / 58 Open Issues / Apache-2.0 (Code) + OpenRAIL-M (Weights)
---
1. 核心定位与商业落地价值
1.1 解决的根因性痛点 传统OCR(如Tesseract)仅输出文本包围盒,无法理解阅读顺序、表格结构、数学公式层级、多栏版面流。Chandra OCR 2 将问题重新定义为 "文档到结构化标记语言"(Document-to-Markup)的端到端生成任务,直接输出HTML/Markdown/JSON,从架构层面消灭了"OCR识别 + 版面分析 + 阅读顺序恢复 + 结构化重建"这一传统多阶段流水线固有的误差累积效应。
1.2 企业级商业落地场景(高价值象限) 金融与保险: 保单、索赔表、财报(含复杂表格与手写签名)的自动结构化录入。Chandra 对 Tables 单项得分 92.1,显著优于 GPT-4o (70.0) 与 Qwen 3 VL 8B (45.6),可直接替代人工录入。 法律与政务: 多栏判例、合同扫描件(含页眉页脚剔除)的归档与全文检索预处理。 医疗与科研: 化学式、手写数学公式(如CS229讲义)的数字化,支持 LaTeX 语义保留。 多语言全球化业务: 90+ 语言支持,在低资源语言(如孟加拉语 bn 72.8% vs Gemini 45.5%)上显著领先,适合跨国企业非拉丁语系文档处理。
1.3 竞品差异化与护城河 | 维度 | Chandra 2 | olmOCR 2 | dots.ocr 1.5 | DeepSeek OCR | |---|---|---|---|---| | 综合得分 (olmocr基准) | 85.8 | 82.4 | 83.9 | 75.4 | | 数学公式 | 强 (专用benchmark) | 弱 | 中 | 弱 | | 手写体 | 强 (专项优化) | 弱 | 中 | 中 | | 多语言均值 (43语种) | 77.8% | 未参与 | 未参与 | 未参与 | | 开源协议 | Apache-2.0 (代码) | Apache-2.0 | 自定义 | MIT (Weights) |
护城河分析: Datalab 采用 "开源权重引流 + 托管API变现" 双轨模式。开源版(Chandra 2)与商业版(Datalab API)存在 0.9分 的刻意性能差(86.7 vs 85.8),且商业版附加 SOC 2 Type 2、零数据保留、自定义BAA等合规性壁垒,这在企业采购决策中是决定性因素。其护城河并非单一模型权重,而是 "数据飞轮 + 合规认证 + 批量处理基础设施(200M+页/周)" 的组合。
在 README 中展示上榜徽章
[](https://github.fq6825.top/repo/datalab-to/chandra)