Indra OCR의 개요
Indra OCR은 Marker와 Chandra를 만든 회사 Datalab의 오픈소스 OCR 모델이자 파이프라인입니다. PDF와 이미지를 Markdown, 텍스트, 또는 줄과 블록 박스, 라벨, 읽기 순서가 담긴 JSON으로 바꾸며, PyTorch도 GPU도 없이 ONNX Runtime에서 실행됩니다. 주력 라틴 문자 인식기는 매개변수가 약 1.25M개이고, 기본 모델 전체를 합치면 매개변수 7.3M개, 내려받기 용량 76 MB입니다.
디지털 PDF는 텍스트 레이어를 읽고 빠진 부분만 OCR합니다. 회전되거나 기울어진 스캔본을 처리하고, 문자 체계별 인식기 네 개로 80개 이상의 언어를 다루며, LaTeX를 출력하는 선택형 수식 모드가 있습니다. pip install indra-ocr로 설치하며 로컬 웹 뷰어가 포함됩니다.
코드는 Apache-2.0이지만, 가중치는 수정된 OpenRAIL-M 라이선스를 따릅니다. 연구, 개인 용도, 투자 유치액이나 매출이 $20M 미만인 조직에만 무료이며, Datalab API와 경쟁하는 용도는 금지됩니다. 2026년 10월 13일에 만들어진 저장소의 GitHub 스타는 약 1,530개이고, 최신 릴리스는 v1.1.2(2026년 10월 20일)입니다.
Indra OCR, 쓸 만한 가치가 있습니까?
Indra의 핵심은 비용 대비 처리량입니다. Datalab의 수치로는 CPU 32코어에서 초당 약 44페이지를 읽고, 4코어에서는 페이지당 중앙값 212 ms가 걸립니다. 같은 페이지에서 Tesseract 5는 5,496 ms, PaddleOCR의 전체 PP-StructureV3 파이프라인은 약 41초입니다. 일반 클라우드 인스턴스에서 수백만 페이지를 OCR하는 팀이라면 GPU 예산 항목이 CPU 항목으로 바뀝니다. 여기 나온 수치는 모두 제작사 자체의 것이지만, 측정 도구와 재현 명령이 저장소에 있습니다.
품질은 선두라기보다 양호한 수준입니다. Datalab의 OmniParseBench에서 종합 66.7(수식 모드 사용 시 71.4)로 PP-StructureV3의 58.4를 앞서며, 92.2인 레이아웃 점수가 가장 강한 부분입니다. 하지만 일반 텍스트에서는 수식 모드 없이 PP-StructureV3가 여전히 이깁니다(55.6 대 46.7). README는 나머지 부분에 대해 이례적으로 솔직합니다. 셀이 병합된 복잡한 표, 손글씨(손글씨 테스트에서 25.2%), 열화된 스캔본(29.5%), 체코어와 튀르키예어처럼 발음 기호가 많은 일부 라틴 문자 언어는 잘 읽지 못합니다. README는 그런 문서를 Datalab의 유료 Chandra 모델로 안내하며, 이것이 이번 공개의 상업적 논리입니다.
기업에 중요한 결정은 라이선스입니다. 코드는 Apache-2.0이지만 가중치는 수정된 OpenRAIL-M을 따르며, 연구, 개인 용도, 투자 유치액이나 매출이 $20M 미만인 스타트업에 무료이고, Datalab API와 경쟁하는 용도는 금지합니다. 그보다 큰 회사나 OCR 서비스를 만드는 사람은 상용 라이선스가 필요합니다. Datalab은 Marker의 가중치도 비슷한 방식으로 라이선스하며, 이 조건 때문에 많은 기업에서 Indra는 Tesseract를 그대로 대체하는 선택지가 될 수 없습니다.
Indra가 선두를 차지한 벤치마크 역시 Datalab이 만든 것이고, 저장소는 생긴 지 3주가 채 되지 않았습니다. Marker와 비교하면 Indra는 어려운 레이아웃에서의 정확도를 내주고 속도와 훨씬 작은 용량을 얻습니다. Tesseract와 비교하면 더 빠르고 레이아웃과 표에서 훨씬 낫지만, Tesseract에는 없는 라이선스 제약이 따릅니다.
제 역할을 하는 곳
직원 30명 규모 리걸테크 스타트업의 데이터 엔지니어
검색을 위해 스캔한 계약서 200만 페이지 아카이브 OCR하기
32코어 인스턴스에서 아카이브 전체에 indra-ocr을 돌립니다. Datalab 기준인 초당 44페이지로 계산하면 약 13시간의 컴퓨팅입니다. 회사가 투자 유치액이나 매출 $20M 미만인 동안 가중치는 무료입니다.
RAG 파이프라인을 만드는 ML 엔지니어
섞여 있는 PDF에서 레이아웃 라벨이 붙은, 청크로 나누기 좋은 Markdown 얻기
코어당 워커 하나로 convert_many를 씁니다. page.blocks는 제목, 목록, 표, 캡션을 읽기 순서대로 돌려주고, 디지털 PDF는 텍스트 레이어로 OCR을 건너뜁니다. 손글씨나 열화된 페이지는 더 무거운 모델로 보냅니다.
대기업의 구매 책임자
프로덕션에서 Indra가 Tesseract를 대체할 수 있는지 결정하기
먼저 매출과 투자 유치액을 $20M 상한과 비교합니다. 그 위라면, 또는 OCR 서비스 제품이라면, 가중치에 Datalab 가격 페이지의 상용 라이선스가 필요합니다.
도입 전 확인할 점
- 설정
- Python 3.10 이상에서 pip install indra-ocr을 실행한 뒤 indra-ocr file.pdf를 실행합니다. 첫 실행 때 Hugging Face에서 약 76 MB의 모델을 내려받습니다. Linux x86_64와 aarch64, Apple silicon macOS에서 테스트되었습니다.
- 연동
- CLI, Python API(load, convert, convert_many, numpy 배열 대상 ocr), Markdown, 텍스트, JSONL 출력, 포트 8765의 로컬 웹 뷰어, 선택형 Tesseract 비교 기능.
- 데이터와 개인정보
- 로컬에서 실행되며 파일은 사용자 머신에 남고, 네트워크를 쓰는 것은 모델 내려받기뿐입니다. 코드는 Apache-2.0이고, 가중치는 투자 유치액이나 매출 $20M 제한과 경쟁 API 금지 조항이 있는 수정된 OpenRAIL-M을 따릅니다. 공개된 보안 권고는 없습니다.
- 대규모 사용 시 비용
- CPU만 씁니다. Datalab 측정으로 4코어에서 초당 6.2페이지, 32코어에서 43.9페이지입니다. 큰 회사는 가중치 상용 라이선스가 필요합니다. Datalab의 호스팅 API는 월 약 5,000페이지를 무료로 제공하며, 더 어려운 문서를 위해 SOC 2 Type 2를 갖추고 있습니다.
- 제한
- 복잡한 표, 손글씨, 열화된 스캔본, 목록에 없는 문자 체계는 잘 읽지 못합니다. 수식은 --math를 켜지 않으면 일반 텍스트로 나오며, 켜면 중앙값 지연 시간이 357 ms로 늘어납니다. 열린 이슈는 약 18 개입니다.
좋은 점
- CPU 4코어에서 페이지당 약 212 ms, GPU나 PyTorch 불필요
- Markdown뿐 아니라 JSON으로 레이아웃 블록, 읽기 순서, 박스 제공
- 80개 이상 언어 지원, 디지털 PDF는 텍스트 레이어를 먼저 읽음
- pip 설치, CLI, Python API, 로컬 뷰어
아쉬운 점
- 가중치 라이선스가 무료 상업 사용을 투자 유치액이나 매출 $20M까지로 제한
- 손글씨, 열화된 스캔본, 복잡한 표에 약함
- 벤치마크가 Datalab 자체 수치이고 Datalab의 벤치마크 기준
- 저장소가 생긴 지 3주 미만
추천 대상
깨끗한 인쇄 문서를 CPU에서 저렴하게 대량 OCR해야 하는 스타트업과 연구팀.
Indra OCR 대안
Indra OCR: 자주 묻는 질문
- Indra OCR, 쓸 만한 가치가 있습니까?
- 일반 CPU에서도 대량 OCR의 경제성을 바꿀 만큼 빠릅니다. 단, 문서가 깨끗한 인쇄물이고 회사가 라이선스의 $20M 기준선 아래에 있어야 합니다. 평점은 5점 만점에 4.0점입니다.
- Indra OCR의 가격은 얼마입니까?
- 코드는 Apache-2.0입니다. 가중치는 수정된 OpenRAIL-M에 따라 연구, 개인 용도, 투자 유치액이나 매출이 $20M 미만인 회사에 무료이며, 그 밖의 경우 Datalab의 상용 라이선스가 필요합니다.
- Indra OCR의 단점은 무엇입니까?
- 가중치 라이선스가 무료 상업 사용을 투자 유치액이나 매출 $20M까지로 제한; 손글씨, 열화된 스캔본, 복잡한 표에 약함; 벤치마크가 Datalab 자체 수치이고 Datalab의 벤치마크 기준; 저장소가 생긴 지 3주 미만.
- Indra OCR에 적합한 사람은 누구입니까?
- 깨끗한 인쇄 문서를 CPU에서 저렴하게 대량 OCR해야 하는 스타트업과 연구팀.
- 팀이나 프로덕션 환경에서 Indra OCR의 비용은 얼마입니까?
- CPU만 씁니다. Datalab 측정으로 4코어에서 초당 6.2페이지, 32코어에서 43.9페이지입니다. 큰 회사는 가중치 상용 라이선스가 필요합니다. Datalab의 호스팅 API는 월 약 5,000페이지를 무료로 제공하며, 더 어려운 문서를 위해 SOC 2 Type 2를 갖추고 있습니다.
- Indra OCR에 회사 데이터를 맡겨도 안전합니까?
- 로컬에서 실행되며 파일은 사용자 머신에 남고, 네트워크를 쓰는 것은 모델 내려받기뿐입니다. 코드는 Apache-2.0이고, 가중치는 투자 유치액이나 매출 $20M 제한과 경쟁 API 금지 조항이 있는 수정된 OpenRAIL-M을 따릅니다. 공개된 보안 권고는 없습니다.
- Indra OCR의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Marker, Docling, Ocrs 및 deepseek-ocr.rs입니다.
답변 확인일: 2026년 10월 31일.
Indra OCR 개발사입니까? 이 평점을 사이트에 표시하십시오
