Was ist Indra OCR?
Indra OCR ist ein Open-Source-OCR-Modell samt Pipeline von Datalab, der Firma hinter Marker und Chandra. Es wandelt PDFs und Bilder in Markdown, Text oder JSON mit Zeilen- und Blockboxen, Labels und Lesereihenfolge um und läuft auf ONNX Runtime, ohne PyTorch und ohne GPU. Der wichtigste lateinische Erkenner hat etwa 1,25M Parameter; alle Standardmodelle zusammen haben 7,3M Parameter und sind ein Download von 76 MB.
Es liest die Textebene digitaler PDFs und erkennt per OCR nur, was fehlt, kommt mit gedrehten und schiefen Scans zurecht, deckt über vier schriftspezifische Erkenner mehr als 80 Sprachen ab und hat einen optionalen Mathe-Modus, der LaTeX schreibt. Installiert wird es mit pip install indra-ocr, ein lokaler Web-Viewer ist dabei.
Der Code steht unter Apache-2.0, die Gewichte aber unter einer modifizierten OpenRAIL-M-Lizenz, die nur für Forschung, private Nutzung und Organisationen unter 20 Mio. $ Finanzierung oder Umsatz kostenlos ist und eine Nutzung verbietet, die mit Datalabs API konkurriert. Das am 13. Oktober 2026 angelegte Repo hat etwa 1.530 GitHub-Sterne; das neueste Release ist v1.1.2 (20. Oktober 2026).
Lohnt sich Indra OCR?
Indras Argument ist der Durchsatz pro Kosteneinheit. Nach Datalabs Zahlen liest es etwa 44 Seiten pro Sekunde auf 32 CPU-Kernen und braucht im Median 212 ms pro Seite auf vier, gegenüber 5.496 ms für Tesseract 5 und etwa 41 Sekunden für PaddleOCRs vollständige PP-StructureV3-Pipeline auf denselben Seiten. Für ein Team, das Millionen Seiten auf gewöhnlichen Cloud-Instanzen per OCR verarbeitet, wird so aus einem GPU-Posten ein CPU-Posten. Alle Zahlen stammen vom Hersteller, aber Harness und Reproduktionsbefehle liegen im Repo.
Die Qualität ist gut, aber nicht führend. Auf Datalabs OmniParseBench erreicht es insgesamt 66,7 (71,4 mit Mathe-Modus) gegenüber 58,4 für PP-StructureV3, und der Layout-Wert von 92,2 ist seine größte Stärke. Bei reinem Text gewinnt ohne Mathe-Modus allerdings weiterhin PP-StructureV3 (55,6 gegenüber 46,7). Beim Rest ist das README ungewöhnlich offen: Komplexe Tabellen mit verbundenen Zellen, Handschrift (25,2 % in den Handschrift-Tests), beschädigte Scans (29,5 %) und einige stark akzentuierte lateinische Sprachen wie Tschechisch und Türkisch werden schlecht gelesen. Für solche Dokumente verweist es auf Datalabs kostenpflichtiges Modell Chandra, das ist die kommerzielle Logik der Veröffentlichung.
Für ein Unternehmen ist die Lizenz die entscheidende Frage. Der Code steht unter Apache-2.0, die Gewichte aber unter einer modifizierten OpenRAIL-M, die für Forschung, private Nutzung und Startups unter 20 Mio. $ Finanzierung oder Umsatz kostenlos ist und eine Nutzung verbietet, die mit Datalabs API konkurriert. Ein größeres Unternehmen oder wer einen OCR-Dienst baut, braucht eine kommerzielle Lizenz. Datalab lizenziert die Gewichte von Marker ähnlich, und die Bedingungen schließen Indra für viele Großunternehmen als direkten Tesseract-Ersatz aus.
Den Benchmark, den es anführt, hat ebenfalls Datalab gebaut, und das Repo ist keine drei Wochen alt. Gegenüber Marker tauscht Indra Genauigkeit bei schwierigen Layouts gegen Tempo und einen viel kleineren Footprint; gegenüber Tesseract ist es schneller und deutlich besser bei Layout und Tabellen, mit einer Lizenz, die Tesseract nicht auferlegt.
Wo es sich lohnt
Ein Data Engineer bei einem Legal-Tech-Startup mit 30 Personen
Ein Archiv mit 2 Millionen Seiten gescannter Verträge für die Suche per OCR erfassen
indra-ocr auf einer Instanz mit 32 Kernen über das Archiv laufen lassen; bei Datalabs 44 Seiten pro Sekunde sind das etwa 13 Stunden Rechenzeit. Die Gewichte sind kostenlos, solange das Unternehmen unter 20 Mio. $ Finanzierung oder Umsatz bleibt.
Ein ML Engineer, der eine RAG-Pipeline baut
Aus gemischten PDFs in Chunks zerlegbares Markdown mit Layout-Labels gewinnen
convert_many mit einem Worker pro Kern nutzen; page.blocks liefert Überschriften, Listen, Tabellen und Bildunterschriften in Lesereihenfolge, und digitale PDFs überspringen OCR dank der Textebene. Handschriftliche oder beschädigte Seiten an ein schwereres Modell weiterleiten.
Ein Einkaufsleiter in einem Großunternehmen
Entscheiden, ob Indra Tesseract in der Produktion ersetzen kann
Zuerst Umsatz und Finanzierung mit der Obergrenze von 20 Mio. $ abgleichen; darüber, oder für jedes OCR-as-a-Service-Produkt, brauchen die Gewichte eine kommerzielle Lizenz über Datalabs Preisseite.
Bevor du dich festlegst
- Einrichtung
- pip install indra-ocr unter Python 3.10+, dann indra-ocr file.pdf; der erste Lauf lädt etwa 76 MB Modelle von Hugging Face. Getestet unter Linux x86_64 und aarch64 sowie macOS auf Apple silicon.
- Integrationen
- CLI, Python-API (load, convert, convert_many, ocr auf numpy-Arrays), Ausgabe als Markdown, Text oder JSONL, ein lokaler Web-Viewer auf Port 8765 und ein optionaler Tesseract-Vergleich.
- Daten und Datenschutz
- Läuft lokal; Dateien bleiben auf deinem Rechner, nur der Modell-Download nutzt das Netz. Code Apache-2.0; Gewichte unter modifizierter OpenRAIL-M mit einer Grenze von 20 Mio. $ Finanzierung oder Umsatz und einer Klausel gegen konkurrierende APIs. Keine Security Advisories veröffentlicht.
- Kosten im großen Maßstab
- Nur CPU: Datalab misst 6,2 Seiten pro Sekunde auf 4 Kernen und 43,9 auf 32. Größere Unternehmen brauchen eine kommerzielle Lizenz für die Gewichte; Datalabs gehostete API bietet etwa 5.000 kostenlose Seiten im Monat und SOC 2 Type 2 für schwierigere Dokumente.
- Grenzen
- Komplexe Tabellen, Handschrift, beschädigte Scans und Schriften außerhalb der Liste werden schlecht gelesen; Mathematik ist reiner Text, solange --math nicht aktiv ist, was die mediane Latenz auf 357 ms erhöht; etwa 18 offene Issues.
Was gut ist
- Etwa 212 ms pro Seite auf vier CPU-Kernen; keine GPU, kein PyTorch
- Layout-Blöcke, Lesereihenfolge und Boxen in JSON sowie Markdown
- Mehr als 80 Sprachen; liest zuerst die Textebene digitaler PDFs
- pip-Installation, CLI, Python-API und lokaler Viewer
Was nicht
- Die Lizenz der Gewichte begrenzt kostenlose kommerzielle Nutzung auf 20 Mio. $ Finanzierung oder Umsatz
- Schwach bei Handschrift, beschädigten Scans und komplexen Tabellen
- Benchmarks stammen von Datalab, auf Datalabs eigenem Benchmark
- Das Repo ist keine drei Wochen alt
Am besten für
Startups und Forschungsteams, die große Mengen sauber gedruckter Dokumente günstig auf CPUs per OCR verarbeiten müssen.
Alternativen zu Indra OCR
Indra OCR: häufige Fragen
- Lohnt sich Indra OCR?
- Auf gewöhnlichen CPUs schnell genug, um die Rechnung für Massen-OCR zu verändern, vorausgesetzt, deine Dokumente sind sauberer Druck und dein Unternehmen liegt unter der 20-Mio.-$-Grenze der Lizenz. Wir bewerten es mit 4.0 von 5.
- Was kostet Indra OCR?
- Code Apache-2.0; Gewichte unter modifizierter OpenRAIL-M kostenlos für Forschung, private Nutzung und Unternehmen unter 20 Mio. $ Finanzierung oder Umsatz; sonst kommerzielle Lizenz von Datalab.
- Welche Nachteile hat Indra OCR?
- Die Lizenz der Gewichte begrenzt kostenlose kommerzielle Nutzung auf 20 Mio. $ Finanzierung oder Umsatz; Schwach bei Handschrift, beschädigten Scans und komplexen Tabellen; Benchmarks stammen von Datalab, auf Datalabs eigenem Benchmark; Das Repo ist keine drei Wochen alt.
- Für wen eignet sich Indra OCR?
- Startups und Forschungsteams, die große Mengen sauber gedruckter Dokumente günstig auf CPUs per OCR verarbeiten müssen.
- Was kostet Indra OCR für ein Team oder im Produktivbetrieb?
- Nur CPU: Datalab misst 6,2 Seiten pro Sekunde auf 4 Kernen und 43,9 auf 32. Größere Unternehmen brauchen eine kommerzielle Lizenz für die Gewichte; Datalabs gehostete API bietet etwa 5.000 kostenlose Seiten im Monat und SOC 2 Type 2 für schwierigere Dokumente.
- Ist Indra OCR sicher für Firmendaten?
- Läuft lokal; Dateien bleiben auf deinem Rechner, nur der Modell-Download nutzt das Netz. Code Apache-2.0; Gewichte unter modifizierter OpenRAIL-M mit einer Grenze von 20 Mio. $ Finanzierung oder Umsatz und einer Klausel gegen konkurrierende APIs. Keine Security Advisories veröffentlicht.
- Was sind die besten Alternativen zu Indra OCR?
- Die nächsten Alternativen, die wir getestet haben, sind Marker, Docling, Ocrs und deepseek-ocr.rs.
Antworten geprüft am 31. Okt. 2026.