Когда сканируешь документ или делаешь скриншот таблицы, а потом вручную перепечатываешь каждую цифру - это как переписывать «Войну и мир» ложкой. Chandra от команды Datalab решает эту проблему: модель вытаскивает текст, таблицы и формулы из PDF и картинок, причём делает это точнее многих популярных аналогов.
Работа со сложными документами
Модель справляется не только с обычным текстом. Она распознаёт таблицы со сложной структурой, математические формулы и диаграммы - те самые элементы, из-за которых обычные OCR-инструменты начинают выдавать кашу из символов. Результат можно получить в HTML, Markdown или JSON, в зависимости от того, куда дальше пойдут данные - в базу, на сайт или в отчёт.
Многоязычность как стандарт
Chandra работает с более чем 40 языками. Это значит, что можно обрабатывать документы на русском, английском, китайском или любом другом языке без переключения моделей или костылей. Для тех, кто имеет дело с международными контрактами, исследованиями или просто разноязычной документацией, это экономит кучу времени.
Точность распознавания текста
В тестах модель показала результаты выше, чем DeepSeek и Mistral. Конкретные цифры зависят от типа документа, но общий тренд такой: меньше ошибок при распознавании, особенно когда речь о сканах с не идеальным качеством или рукописных вставках. Это важно, если нужно не просто получить какой-то текст, а именно точный результат без последующей вычитки.
Локальная установка и онлайн-версия
Модель доступна через GitHub для установки на собственный сервер или компьютер. Это вариант для тех, кто работает с конфиденциальными данными и не хочет отправлять документы куда-то в облако. Есть и браузерная версия - удобно, если нужно быстро распознать пару файлов без настройки окружения. Обе опции бесплатные, что редкость для инструментов такого уровня.
Блог