Hugging Face 专家完成 8 款开源 OCR 模型横向对比测试,最新的 LightOnOCR-3-0.8B 模型识别 1000 页古籍、扫描文本的 GPU 算力成本已经不到 0.1 美元,对比 2025 年 4 月的 RolmOCR 模型,18 个月时间成本直接降到原来的五分之一,测试统一使用 Hugging Face 租赁的 RTX PRO 6000 显卡,保证对比条件公平,除了换新模型之外,任务调度优化、压缩扫描图、升级软件这些工程调优手段,省下来的成本甚至不亚于更换新模型,这项突破可以大幅降低图书馆、古籍机构、文史项目批量转写古籍的资金门槛,之前人工或者传统商用 OCR 做古籍转录贵、速度慢,现在低成本 AI 识别可以先批量出初稿,再安排少量人员校对,让海量冷门古籍、老档案有机会快速完成数字化留存。
一、测试模型成本对比清单
| 模型名称 | 发布时间 | 识别 1000 页成本 | 备注 |
|---|---|---|---|
| RolmOCR | 2025-04 | 0.51 美元 | 本轮测试最早版本 |
| 中间多款 OCR 模型 | 2025.10–2026.07 | 0.23~0.28 美元 | 成本区间接近,差距不大 |
| LightOnOCR-3-0.8B | 2026-10 | <0.1 美元 | 当前测试成本最低版本 |
二、测试基础条件说明
- 测试硬件:RTX PRO 6000,Hugging Face 云端租用,单价 2.75 美元 / 小时
- 测试样本:古籍、纸质扫描书页,统一图片尺寸,控制变量
- 百万页估算:识别 100 万页的 GPU 租赁总花费大约 65–130 美元,根据古籍字迹清晰度浮动
- 识别效果:新版模型识别准确度不低于老版本;部分模型存在空白页乱生成文字、重复文本的幻觉问题,后续需要人工复核
三、降低古籍数字化成本的两大路径
- 迭代新 OCR 模型:模型轻量化、推理效率提升,在保证识别能力的前提下,每张页面消耗的算力变少,直接压低单页成本。
- 工程侧优化调参:均衡分配任务队列、适当降低扫描图分辨率、更新推理框架、选用更快的 GPU,调优带来的成本节约空间很大。
四、对古籍数字化工作带来的变化
- 门槛下降:小型文史项目、地方档案馆、民间古籍爱好者,不用承担高额转写费用,有能力开展大批量古籍文本提取。
- 流程重构:AI 负责批量识别出初稿,人力只集中在校对、修正错字、处理模糊难辨的古字,人力投入大幅缩减。
- 存量加速:大量积压、资金不足的古籍扫描件,现在有机会快速转成可检索文本,方便学术检索、线上开放查阅。
- 风险保留:AI 识别存在幻觉、异体字识别错误,不能直接当成定稿,古籍校勘环节依旧无法完全省略。
【常见问题】
问题 1:AI 模型识别 1000 页古籍数字化内容不到 0.1 美元,这个费用包含人工校对吗?
回答 1:AI 模型识别 1000 页古籍数字化内容不到 0.1 美元,仅仅是 GPU 算力租赁成本,不包含古籍前期扫描、后期人工校对、整理注释的费用,校对依然是古籍数字化里重要的开销环节。
问题 2:AI 模型把古籍数字化成本降到不到 0.1 美元 / 千页,准确率够用吗?
回答 2:本次测试里这款低成本 AI 模型的识别准确率和早期 RolmOCR 水平持平,但 AI 会出现空白页生成虚假文字、古异体字认错的幻觉问题,古籍数字化想要可靠文本,AI 输出之后必须人工复核。
问题 3:为什么 AI 模型古籍数字化成本下降这么快,换新模型之外还有办法省钱吗?
回答 3:AI 模型古籍数字化成本下降一方面是新 OCR 模型推理效率提升,另一方面专家证实任务调度、缩小扫描图片、更新软件、更换高性能 GPU 这类调优操作,节省的成本和换新版模型效果差不多。
问题 4:古籍数字化用这套 AI OCR 之后,是不是所有古籍都可以直接自动识别?
回答 4:这套 AI 模型适合印刷古籍、字迹清晰的扫描书页;手写稿、严重破损、字迹漫漶、大量生僻异体字的古籍,AI 识别效果会明显下滑,没法直接完成完整的古籍数字化。
【参考资料】
[2026-11-19](AI 模型大幅降低古籍数字化成本:识别 1000 页内容费用已不到 0.1 美元)IT 之家
[2026-11-19](OCR models now digitize a million pages for under $130 as costs drop fivefold in 18 months)THE DECODER
[2026-11-18](OCR with open models got about 5× cheaper in 18 months)Daniel van Strien 个人博客
[2026-11-19](开源 OCR 模型算力成本暴跌,古籍数字化迎来低成本方案)HotON.ai
【免责声明】
文中 AI 模型古籍数字化、识别 1000 页不到 0.1 美元的数据来自 Hugging Face 专家公开对照测试,只代表特定 GPU 环境下的推理算力成本;不同古籍字迹、图片质量、运行平台都会改变实际花费,AI 识别结果存在文字幻觉风险,内容仅作行业资讯参考,不代表古籍数字化项目落地报价。
