microdao-daarion/OCR-ARCHITECTURE-SUMMARY.md

🔍 OCR Architecture Summary

Дата: 2026-01-16

---

❓ Питання та відповіді

1. Чи можу я отримати ліцензію Datalab Chandra?

Ні — це потребує контакту з Datalab та оплати. Модель закрита.

2. Альтернативи OCR моделей:

Модель	Статус	Призначення	VRAM
GOT-OCR2.0	✅ Встановлюється	Документи, таблиці, формули, рукопис	~8GB
TrOCR	✅ Резервна	Друкований текст	~2GB
DeepSeek VL	⚠️ Через API	Vision + OCR	-
IBM Docling	⚠️ Python бібліотека	PDF парсинг	CPU

3. Чи потрібен MoE роутер?

НІ — MoE (Mixture of Experts) це внутрішня архітектура моделей, не для маршрутизації сервісів.

4. Чи достатньо Swapper сервісу?

ТАК — Swapper може:

• Керувати завантаженням OCR моделей
• Динамічно перемикати між моделями
• Вивантажувати неактивні моделі

5. Коли потрібен окремий OCR роутер?

Якщо потрібно:

• Кілька OCR сервісів одночасно
• Маршрутизація за типом документа (таблиці → GOT-OCR, текст → TrOCR)
• Fallback між сервісами

---

🎯 Обрана архітектура

┌─────────────┐     ┌──────────────────┐     ┌─────────────────┐
│   Gateway   │────▶│   DAGI Router    │────▶│  OCR Service    │
└─────────────┘     └──────────────────┘     │  (GOT-OCR2.0)   │
                                              └─────────────────┘
                                                      │
                                              ┌───────▼───────┐
                                              │    Swapper    │
                                              │  (керування)  │
                                              └───────────────┘

Чому GOT-OCR2.0?

1. Найкраща open-source OCR для документів та таблиць
2. Доступна на HuggingFace без ліцензії
3. Підтримує: документи, таблиці, формули, рукопис
4. ~8GB VRAM — підходить для RTX 4000 SFF Ada (20GB)

---

📊 Порівняння OCR рішень

Критерій	GOT-OCR2.0	TrOCR	DeepSeek VL	Chandra
Таблиці	✅ Відмінно	❌ Базово	⚠️ Через vision	✅ Відмінно
Рукопис	✅ Так	✅ Окрема модель	⚠️ Обмежено	✅ Так
Формули	✅ Так	❌ Ні	❌ Ні	✅ Так
Ліцензія	✅ Open	✅ Open	✅ Open	❌ Платна
VRAM	8GB	2GB	API	16GB+

---

🔧 Що встановлено

1. ✅ OCR Inference Service — з GOT-OCR2.0
2. ✅ OCR API Service — wrapper на порту 8002
3. ✅ Router інтеграція — OCR_URL та CHANDRA_URL
4. ✅ Fallback — TrOCR як резервна модель

---

📝 Наступні кроки (опціонально)

1. Додати IBM Docling — для PDF парсингу з таблицями
2. Додати OCR роутер — якщо потрібно кілька моделей одночасно
3. Інтегрувати DeepSeek API — для складних випадків

---

Оновлено: 2026-01-16