franken_ocrの料金は？

OpenAI/Anthropic を除外する付帯条項付きの MIT ライセンスで無料です。モデルの重みは元のライセンスに従います（Unlimited-OCR は MIT）。

franken_ocrの欠点は？

OpenAI、Anthropic とその委託先を除外する独自ライセンス; 外部からのコントリビューションをマージしない単独メンテナー; モデル成果物は約 4.2GB で、8GB のマシンではスワップが発生する; ソースからのビルドには nightly の Rust が必要.

チームや本番環境でfranken_ocrを使うと費用はいくらか？

有料版はなく、コストは CPU 時間です。作者の記録では、Apple Silicon の 8 スレッドで 1 ページあたり約 9〜15 秒かかるため、大量処理では依然として vLLM のような GPU スタックが有利です。

franken_ocrは企業データを扱っても安全か？

重みをインストールした後の推論はオフラインで、ネットワークの使用は focr pull に限られます。実行履歴はローカルのデータベース（~/.cache/franken_ocr/runs.db）に記録されます。ライセンスは MIT に、OpenAI、Anthropic およびその代理として行動する者を除外する付帯条項を加えたものです。

franken_ocrの代わりになるものは？

当サイトでレビューした中で最も近い代替はdeepseek-ocr.rs, Xberg (formerly Kreuzberg), Ocrs 、 Doclingです。

franken_ocr GitHubリポジトリのレビュー (2026)

franken_ocrとは？

franken_ocr は、DeepSeek-OCR から派生した 3B の mixture-of-experts 文書モデルである Baidu の Unlimited-OCR を、普通の CPU で動かします。汎用の ML フレームワークを使う代わりに、少数の固定モデルを手作業で移植し、デコーダーの feed-forward 層を独自の .focrq 形式で int8 に量子化します。ビジョンタワー、attention、出力ヘッドはより高い精度のまま残します。コマンドラインツールの focr は、x86-64 と ARM64 の macOS、Linux、Windows 向けに 13〜17MB のバイナリとして配布されています。

Unlimited-OCR のほかに、数式と表向けの GOT-OCR2、画像説明向けの SmolVLM2、グラフデータ向けの OneChart、スキャンした楽譜を MusicXML に変換する Polyphonic-TrOMR も動かせます。スキャンした PDF をネイティブに読み込み、多数のページを 1 回で解析でき、エージェント向けの NDJSON「robot」モードも備えています。

プロジェクトは 2026年6月25日に始まり、9月29日に v0.9.1 に達しました。Jeffrey Emanuel 氏一人の仕事で（792 件のコミットすべて）、外部からのコントリビューションはマージしません。ライセンスは MIT に、OpenAI、Anthropic およびその代理として行動する者には一切の権利を与えないという付帯条項を加えたものです。そのため GitHub はこれを分類できず、OSI 承認のオープンソースライセンスでもありません。

franken_ocrは使う価値があるか？

franken_ocr の目的は一つです。GPU のないマシンで最新の文書解析モデルを動かすことです。Baidu 公式の Unlimited-OCR スタックは Python と CUDA ですが、これを 1 つのバイナリとオフライン推論に置き換えます。作者の性能記録では、Apple Silicon マシンで 8 スレッドを使い、あるページは最初から最後まで 8.6 秒で、Hugging Face の bf16 CPU リファレンスの 28.9 秒を下回りました。別のページは 14.7 秒対 41.3 秒で、およそ 3 倍の速さです。これは作者自身の測定ですが、負けた行も勝った行と並べて残しており、記録は珍しいほど丁寧です。

精度は作者の数値では十分ですが、完璧ではありません。過去の実ページでの実行では、リファレンスのデコードに対する文字誤り率は 0.0094 でした。現行リリースの成果物は 20 ページのコーパスを、集計した正規化誤り率 0.193 で通過しており、難しい 1 ページが分布の裾を引き上げています。Unlimited-OCR の int8 成果物はディスク上で約 4.2GB で、ピーク時はそれを大きく上回ります。そのため README 自体が、8GB のマシンではスワップばかりになると警告しています。

企業の法務担当者がまず気づくのはライセンスです。MIT ですが、OpenAI、Anthropic、その関連会社、およびその代理で働く者には、コードのテストや分析も含めて一切の権利が与えられません。ほとんどのユーザーに直接影響する可能性は低いものの、調達チームが指摘する非標準のライセンスであり、両社の委託先は除外されます。

2 つ目はバス係数です。すべてのコミットは作者のもので、外部からのプルリクエストはマージしないと明言しています。ソースからのビルドには固定された nightly の Rust ツールチェーンが必要で、crate の crates.io でのダウンロード数は約 83 です。仕事は丁寧で、リリースごとのチェックも充実していますが、一人のプロジェクトを作者の条件で採用することになります。

真価を発揮する場面

専用 GPU のない 32GB のノート PC で、スキャンした書籍をデジタル化する研究者
スキャンした PDF の特定の章をオフラインで Markdown に変換する
バイナリをインストールし、focr pull を実行してから focr ocr book.pdf --pages 3,5-9 --split-spreads -o excerpt.md を実行します。無料です。CPU では 1 ページあたり数秒から数十秒かかる見込みで、常駐デーモンが実行の間も重みを読み込んだまま保持します。
音楽大学の音楽司書
パブリックドメインの印刷楽譜を編集可能な MusicXML に変換する
focr pull tromr を実行し、各ページで focr ocr --task music を実行します。61MB の int8 TrOMR モデルが譜表を検出し、それぞれを認識して結合します。カメラで撮った写真は事前に平らに補正する必要があり、作者はこれを残りの作業として挙げています。

導入前に確認すること

導入: インストールスクリプトを curl で取得します（Windows では PowerShell）。スクリプトはバイナリをダウンロードし、SHA256 を確認します。focr pull で約 4.2GB の Unlimited-OCR 成果物を取得して検証します。ソースからのビルドには固定された nightly の Rust ツールチェーンが必要です。
連携: ブロッキング型の OcrEngine API を持つ Rust ライブラリ、focr CLI、公開スキーマと安定した終了コードを持つ NDJSON robot モード。出力は Markdown、ボックス付き JSON、図の切り抜き、MusicXML です。
データとプライバシー: 重みをインストールした後の推論はオフラインで、ネットワークの使用は focr pull に限られます。実行履歴はローカルのデータベース（~/.cache/franken_ocr/runs.db）に記録されます。ライセンスは MIT に、OpenAI、Anthropic およびその代理として行動する者を除外する付帯条項を加えたものです。
大規模利用時のコスト: 有料版はなく、コストは CPU 時間です。作者の記録では、Apple Silicon の 8 スレッドで 1 ページあたり約 9〜15 秒かかるため、大量処理では依然として vLLM のような GPU スタックが有利です。
制限: 設計上 CPU のみです（CUDA は「deferred stretch goal」）。任意のモデルではなく 5 つの固定モデルのみで、int4 は未検証です。crates.io のダウンロード数は約 83 で、プロジェクトの歴史はわずか 4 か月です。

良い点

Python、CUDA、GPU なしで Unlimited-OCR を CPU 上で動かせる
作者の記録では Hugging Face の CPU 経路より約 3 倍速い
6 つのプラットフォーム向けの 13〜17MB のバイナリ、SHA256 チェック付き
数式、グラフ、楽譜向けの追加モデル

気になる点

OpenAI、Anthropic とその委託先を除外する独自ライセンス
外部からのコントリビューションをマージしない単独メンテナー
モデル成果物は約 4.2GB で、8GB のマシンではスワップが発生する
ソースからのビルドには nightly の Rust が必要

franken_ocrの代替

deepseek-ocr.rs

RAG & dataRust2.2k stars

3.6/5

Rust and Candle port of DeepSeek-OCR, PaddleOCR-VL and dots.ocr, with a CLI and an OpenAI-compatible server and no Python.

Xberg (formerly Kreuzberg)

RAG & dataRust9.4k stars

4.1/5

Rust document extractor, formerly Kreuzberg: 107 formats, eight OCR backends, 15 language bindings, plus CLI, REST API and MCP server.

Ocrs

RAG & dataRust1.9k stars

3.8/5

Small, pure-Rust OCR library and CLI with its own neural models, which builds anywhere including WebAssembly but reads Latin script only.

Docling

RAG & dataPython69k stars

4.5/5

IBM-born toolkit that converts PDFs, Office files, HTML and images into clean Markdown or JSON for RAG, with strong table handling.

franken_ocr：よくある質問

franken_ocrは使う価値があるか？: franken_ocr は、Unlimited-OCR をノート PC の CPU で動かす本格的なエンジニアリングの成果です。ただし、多くの企業が受け入れないライセンスと運営体制に包まれています。評価は5点満点中3.5点です。
franken_ocrの料金は？: OpenAI/Anthropic を除外する付帯条項付きの MIT ライセンスで無料です。モデルの重みは元のライセンスに従います（Unlimited-OCR は MIT）。
franken_ocrの欠点は？: OpenAI、Anthropic とその委託先を除外する独自ライセンス; 外部からのコントリビューションをマージしない単独メンテナー; モデル成果物は約 4.2GB で、8GB のマシンではスワップが発生する; ソースからのビルドには nightly の Rust が必要.
franken_ocrは誰に向いているか？: CPU のみのマシンで Unlimited-OCR の品質が必要で、単独作者のプロジェクトとそのライセンスを受け入れられる個人開発者や小規模チーム。
チームや本番環境でfranken_ocrを使うと費用はいくらか？: 有料版はなく、コストは CPU 時間です。作者の記録では、Apple Silicon の 8 スレッドで 1 ページあたり約 9〜15 秒かかるため、大量処理では依然として vLLM のような GPU スタックが有利です。
franken_ocrは企業データを扱っても安全か？: 重みをインストールした後の推論はオフラインで、ネットワークの使用は focr pull に限られます。実行履歴はローカルのデータベース（~/.cache/franken_ocr/runs.db）に記録されます。ライセンスは MIT に、OpenAI、Anthropic およびその代理として行動する者を除外する付帯条項を加えたものです。
franken_ocrの代わりになるものは？: 当サイトでレビューした中で最も近い代替はdeepseek-ocr.rs, Xberg (formerly Kreuzberg), Ocrs 、 Doclingです。

回答確認日：2026年10月26日