Digitalizacja OCR tanieje pięciokrotnie w 18 miesięcy

Wyciąganie tekstu ze skanów starych książek i dokumentów stało się znacząco tańsze dzięki ogólnodostępnym modelom sztucznej inteligencji. Daniel van Strien z Hugging Face przeprowadził porównanie ośmiu takich rozwiązań, które rozpoznają tekst na obrazach. Wyniki pokazują, że w ciągu zaledwie półtora roku koszty tej operacji spadły pięciokrotnie.
Jak testowano modele OCR
Badacz wykorzystał 850 stron pochodzących z rozmaitych źródeł: dawnych ksiąg przyrodniczych, Encyclopaedia Britannica z 1771 roku oraz dokumentów archiwalnych - zarówno pisanych na maszynie, jak i drukowanych. Wszystkie modele uruchamiano na tym samym procesorze graficznym Nvidia RTX PRO 6000, wynajętym przez Hugging Face w cenie 2,75 dolara za godzinę.
Przy zachowaniu identycznego rozmiaru obrazów najstarszy model z kwietnia 2025 roku (RolmOCR) generował koszt około 51 centów na tysiąc stron. Najnowszy z października 2026 roku (LightOnOCR-3-0.8B) osiągnął wynik nieco poniżej 10 centów. Przełożenie miliona stron oznacza obecnie wydatek rzędu 65-130 dolarów, w zależności od rodzaju materiału źródłowego.
Optymalizacja równie ważna jak nowsze modele
Według van Striena usprawnienie sposobu działania modeli przyniosło oszczędności porównywalne - a być może nawet większe - niż sama wymiana na nowsze wersje. Co konkretnie się na to złożyło?
- Równomierniejsze dostarczanie stron do przetworzenia
- Wykorzystanie mniejszych skanów
- Aktualizacja oprogramowania
- Uruchomienie szybszego procesora graficznego
To istotna obserwacja dla osób planujących digitalizację dużych zbiorów - inwestycja w dopracowanie procesu może przynieść efekty porównywalne z kosztowną migracją na nowsze rozwiązania.
Dokładność i problemy z halucynacjami
Najnowszy model odczytywał strony książek co najmniej tak samo precyzyjnie jak najstarszy z badanych. Nie wszystkie rozwiązania wypadły jednak bez zarzutu. Część modeli wykazywała skłonność do halucynowania tekstu na pustych stronach lub wielokrotnego powtarzania tych samych treści.
W przedziale cenowym między najstarszym a najnowszym modelem znalazło się pięć rozwiązań, których koszty są zbliżone do siebie. To sugeruje, że różnice wydajnościowe w środku stawki są niewielkie, a kluczowe skoki dotyczą skrajnych wersji.
Co to oznacza dla digitalizacji archiwów
Spadek kosztów rozpoznawania tekstu ze skanów otwiera nowe możliwości przed instytucjami kultury, bibliotekami i archiwami, które wcześniej odkładały digitalizację z powodów budżetowych. Przetworzenie miliona stron za kwotę poniżej 130 dolarów to poziom, który może zmienić priorytety wielu projektów.
Jednocześnie wyniki badania przypominają, że tanie modele wymagają nadzoru - zjawisko halucynacji na pustych stronach pokazuje, że automatyczna digitalizacja nadal potrzebuje weryfikacji jakości. Dla zespołów wdrażających OCR oznacza to, że optymalizacja infrastruktury i kontrola wyników pozostają równie istotne jak sama cena za stronę.
Dalej w tym temacie

ChatGPT czyni nas zbyt pewnymi siebie. Jak temu zaradzić?
Nowe badania ujawniają zaskakujący paradoks: im większa znajomość AI, tym większa wiara we własne umiejętności pracy z ChatGPT. Dowiedz się, jak uniknąć pułapki nadmierne…
Poradnik3 min czytania
Jak skonfigurować NVIDIA NemoClaw: przewodnik krok po kroku
NVIDIA NemoClaw to potężny, open source’owy stack AI, który stawia na prywatność i skalowalność. Nasz przewodnik krok po kroku pokaże Ci, jak poprawnie go zainstalować, s…
Poradnik3 min czytania
Nvidia wkracza do chemii: nowy model AI dla naukowców
Nvidia udostępniła Nemotron for Science - zestaw narzędzi AI do eksperymentów chemicznych i projektowania białek. W pakiecie znalazł się zbiór prawie 50 tys. pytań trenin…
Badania i nauka3 min czytania18 listopada 2026