扫描版PDF不能搜索，截图里的文字也不好复制，这正是OCR——从图片中辨认文字——要解决的问题。Indra想把这件事做得更轻：据Datalab GitHub仓库介绍，它能在普通CPU上把PDF和图片转成Markdown、纯文本或带坐标的JSON，并支持80多种语言。
最值得注意的是体量。Indra的主拉丁文字识别器约125万参数，但默认管线的全部模型合计约730万参数、76 MB；所以“约一百万参数”说的是核心识别器，并非整套工具。项目方公布的OmniParseBench测试中，Indra默认模式得66.7分，Tesseract为19.3分；在32核CPU上，它还报告了每秒约43.9页、约为同机Tesseract的15倍。
这些成绩仍来自项目方自己的测试设置，能否普遍复现有待验证。仓库也承认，它处理复杂表格、手写体和老旧模糊扫描件时较弱。若结果经得住更多实测，Indra会给低成本、本地运行的文档识别多一个很轻的选择。