¿Qué es Indra OCR?
Indra OCR es un modelo y pipeline de OCR de código abierto de Datalab, la empresa detrás de Marker y Chandra. Convierte PDF e imágenes en Markdown, texto o JSON con cajas de línea y de bloque, etiquetas y orden de lectura, y funciona sobre ONNX Runtime sin PyTorch y sin GPU. El reconocedor latino principal tiene unos 1,25M de parámetros; todos los modelos por defecto juntos suman 7,3M de parámetros y una descarga de 76 MB.
Lee la capa de texto de los PDF digitales y solo hace OCR de lo que falta, maneja escaneos girados e inclinados, cubre más de 80 idiomas mediante cuatro reconocedores específicos por escritura y tiene un modo matemático opcional que escribe LaTeX. Se instala con pip install indra-ocr e incluye un visor web local.
El código es Apache-2.0, pero los pesos usan una licencia OpenRAIL-M modificada que solo es gratuita para investigación, uso personal y organizaciones por debajo de $20M de financiación o ingresos, y prohíbe el uso que compita con la API de Datalab. El repositorio, creado el 13 de octubre de 2026, tiene unas 1.530 estrellas en GitHub; la última release es la v1.1.2 (20 de octubre de 2026).
¿Merece la pena Indra OCR?
Lo que defiende Indra es el rendimiento por unidad de coste. Según las cifras de Datalab, lee unas 44 páginas por segundo en 32 núcleos de CPU y tarda una mediana de 212 ms por página en cuatro, frente a 5.496 ms de Tesseract 5 y unos 41 segundos del pipeline completo PP-StructureV3 de PaddleOCR con las mismas páginas. Para un equipo que procesa millones de páginas en instancias de nube corrientes, eso convierte una partida de GPU en una de CPU. Todas las cifras son del fabricante, pero el harness y los comandos para reproducirlas están en el repositorio.
La calidad es buena, no puntera. En el OmniParseBench de Datalab obtiene 66,7 en total (71,4 con modo matemático) frente a 58,4 de PP-StructureV3, y su puntuación de maquetación de 92,2 es su punto más fuerte. En texto plano, sin embargo, PP-StructureV3 sigue ganando sin modo matemático (55,6 frente a 46,7). El README es inusualmente franco con el resto: tablas complejas con celdas combinadas, escritura a mano (25,2% en las pruebas de manuscritos), escaneos degradados (29,5%) y algunos idiomas latinos con muchos acentos, como el checo y el turco, se leen mal. Remite esos documentos al modelo de pago Chandra de Datalab, que es la lógica comercial del lanzamiento.
La licencia es la decisión que importa para una empresa. El código es Apache-2.0, pero los pesos están bajo una OpenRAIL-M modificada que es gratuita para investigación, uso personal y startups por debajo de $20M de financiación o ingresos, y prohíbe el uso que compita con la API de Datalab. Una empresa mayor, o cualquiera que construya un servicio de OCR, necesita una licencia comercial. Datalab licencia los pesos de Marker de forma parecida, y las condiciones descartan a Indra como sustituto directo de Tesseract para muchas empresas.
El benchmark en el que lidera también lo creó Datalab, y el repositorio tiene menos de tres semanas. Frente a Marker, Indra cambia precisión en maquetaciones difíciles por velocidad y un tamaño mucho menor; frente a Tesseract es más rápido y mucho mejor con maquetación y tablas, con una licencia que Tesseract no impone.
Dónde se gana su sitio
Un ingeniero de datos en una startup legal-tech de 30 personas
Hacer OCR de un archivo de 2 millones de páginas de contratos escaneados para poder buscar en él
Ejecuta indra-ocr sobre el archivo en una instancia de 32 núcleos; a las 44 páginas por segundo de Datalab, son unas 13 horas de cálculo. Los pesos son gratis mientras la empresa siga por debajo de $20M de financiación o ingresos.
Un ingeniero de ML que construye un pipeline RAG
Obtener Markdown fragmentable con etiquetas de maquetación a partir de PDF variados
Usa convert_many con un worker por núcleo; page.blocks devuelve encabezados, listas, tablas y pies de figura en orden de lectura, y los PDF digitales se saltan el OCR gracias a la capa de texto. Envía las páginas manuscritas o degradadas a un modelo más pesado.
Un responsable de compras en una gran empresa
Decidir si Indra puede sustituir a Tesseract en producción
Comprueba primero los ingresos y la financiación frente al techo de $20M; por encima, o para cualquier producto de OCR como servicio, los pesos necesitan una licencia comercial de la página de precios de Datalab.
Antes de decidirte
- Puesta en marcha
- pip install indra-ocr en Python 3.10+ y luego indra-ocr file.pdf; la primera ejecución descarga unos 76 MB de modelos de Hugging Face. Probado en Linux x86_64 y aarch64 y en macOS con Apple silicon.
- Integraciones
- CLI, API de Python (load, convert, convert_many, ocr sobre arrays de numpy), salida en Markdown, texto o JSONL, un visor web local en el puerto 8765 y una comparación opcional con Tesseract.
- Datos y privacidad
- Funciona en local; los archivos se quedan en tu máquina y solo la descarga del modelo usa la red. Código Apache-2.0; pesos bajo una OpenRAIL-M modificada con un límite de $20M de financiación o ingresos y una cláusula contra APIs competidoras. Sin avisos de seguridad publicados.
- Coste a escala
- Solo CPU: Datalab mide 6,2 páginas por segundo en 4 núcleos y 43,9 en 32. Las empresas más grandes necesitan una licencia comercial de los pesos; la API alojada de Datalab ofrece unas 5.000 páginas gratis al mes y SOC 2 Type 2 para documentos más difíciles.
- Límites
- Tablas complejas, manuscritos, escaneos degradados y escrituras fuera de la lista se leen mal; las matemáticas salen como texto plano salvo con --math, que sube la latencia mediana a 357 ms; unas 18 incidencias abiertas.
Lo bueno
- Unos 212 ms por página en cuatro núcleos de CPU; sin GPU ni PyTorch
- Bloques de maquetación, orden de lectura y cajas en JSON además de Markdown
- Más de 80 idiomas; lee primero las capas de texto de los PDF digitales
- Instalación con pip, CLI, API de Python y visor local
Lo malo
- La licencia de los pesos limita el uso comercial gratuito a $20M de financiación o ingresos
- Flojo con manuscritos, escaneos degradados y tablas complejas
- Los benchmarks son de Datalab, en un benchmark de Datalab
- El repositorio tiene menos de tres semanas
Ideal para
Startups y equipos de investigación que necesitan pasar por OCR grandes volúmenes de documentos impresos limpios a bajo coste en CPU.
Alternativas a Indra OCR
Indra OCR: preguntas frecuentes
- ¿Merece la pena Indra OCR?
- Lo bastante rápido en CPU normales como para cambiar la economía del OCR masivo, siempre que tus documentos sean impresos limpios y tu empresa quede por debajo de la línea de $20M de la licencia. Le damos un 4.0 sobre 5.
- ¿Cuánto cuesta Indra OCR?
- Código Apache-2.0; pesos gratis bajo una OpenRAIL-M modificada para investigación, uso personal y empresas por debajo de $20M de financiación o ingresos; en otro caso, licencia comercial de Datalab.
- ¿Qué inconvenientes tiene Indra OCR?
- La licencia de los pesos limita el uso comercial gratuito a $20M de financiación o ingresos; flojo con manuscritos, escaneos degradados y tablas complejas; los benchmarks son de Datalab, en un benchmark de Datalab; el repositorio tiene menos de tres semanas.
- ¿Para quién es Indra OCR?
- Startups y equipos de investigación que necesitan pasar por OCR grandes volúmenes de documentos impresos limpios a bajo coste en CPU.
- ¿Cuánto cuesta Indra OCR para un equipo o en producción?
- Solo CPU: Datalab mide 6,2 páginas por segundo en 4 núcleos y 43,9 en 32. Las empresas más grandes necesitan una licencia comercial de los pesos; la API alojada de Datalab ofrece unas 5.000 páginas gratis al mes y SOC 2 Type 2 para documentos más difíciles.
- ¿Es Indra OCR seguro para los datos de la empresa?
- Funciona en local; los archivos se quedan en tu máquina y solo la descarga del modelo usa la red. Código Apache-2.0; pesos bajo una OpenRAIL-M modificada con un límite de $20M de financiación o ingresos y una cláusula contra APIs competidoras. Sin avisos de seguridad publicados.
- ¿Cuáles son las mejores alternativas a Indra OCR?
- Las alternativas más cercanas que hemos analizado son Marker, Docling, Ocrs y deepseek-ocr.rs.
Respuestas comprobadas el 31 oct 2026.