Surya 中文教程：用开源 OCR 模型把扫描件转成结构化文本

一、速览：Surya 能帮你做什么

入门

Surya 是一个开源的文档智能模型，核心能力是 OCR（光学字符识别，把图片里的文字转换成可编辑文本），但它不止步于“认字”。它还能分析版面结构，告诉你哪一块是标题、哪一块是表格、哪一块是插图，并按正确的“阅读顺序”把这些区块串起来。

这意味着你给它一张扫描合同、一份古籍 PDF 或者一张手机拍的菜单，它能返回带位置信息和逻辑结构的文本，而不是一大团没有顺序的字符。对于需要把纸质档案数字化的个人或团队，这个能力省去了大量手工录入和排版调整的时间。

Surya 项目封面

如果只想快速体验，官方提供了托管 API 和在线 Playground；但本文的重点是把 Surya 部署在自己的机器上，数据不出本地，也不用按调用次数付费。

入门

Surya 的模型有 6.5 亿个参数，推理时需要大量并行计算。虽然理论上 CPU 也能跑，但速度会慢到难以实用，所以前置条件是一台带 NVIDIA 显卡的 Linux 或 macOS 机器。显卡的显存（显卡自带的高速内存）建议在 8GB 以上，低于这个值可能需要减小批次才能运行。

部署有两条路线：裸机安装（直接把 Python 包装到系统里）和 Docker 容器（把运行环境打包成“集装箱”，避免污染系统）。新手建议先试裸机路线，流程更直接。

裸机安装步骤：

先确认系统已安装 Python 和 pip（Python 的包管理工具），版本尽量用 3.9 及以上。然后安装 llama.cpp 提供的 llama-server，它是 Surya 默认调用的推理后端（负责实际执行模型计算的服务）。macOS 可以用 Homebrew 安装：

brew install llama.cpp

Linux 用户可以去 llama.cpp 的 GitHub Releases 页面下载预编译的 llama-server 二进制，放到 PATH 能找到的位置。接着安装 Surya 本体：

pip install surya-ocr

安装完成后，运行一个简单的 Python 导入测试，确认没有报错：

import surya
print("Surya 安装成功")

Docker 路线：

如果选择 Docker，需要额外安装 Docker（一种把软件打包成“集装箱”、随处可运行的工具） 和 NVIDIA Container Toolkit（让容器能访问显卡的插件）。官方 README 明确列出这两个前提。启动容器时通常需要传 --gpus all 参数并挂

想继续探索？这些同领域的教程可能也适合你：