--- title: "🧪 免 GPU 還快 15 倍：1.25M 參數 indra-ocr 簡直是地端救星｜地端 AI 實驗室" description: "本期精選僅有 1.25M 參數、完全免 GPU 就能在 CPU 伺服器上高速處理繁中 OCR 的 indra-ocr，以及能用 8 步快速在 ComfyUI 生成清晰中文字的 Kromoss 繪圖模型。後端工程師想保護客戶隱私，又不想負擔昂貴的雲端 API 費用嗎，等一下告訴你如何用最省資源的架構，在地端建立高吞吐量的文件處理流程。" canonical_url: "https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-10-21" author: "Mark Ku" author_url: "https://blog.markkulab.net/author/mark-ku" site: "Mark Ku's Blog" date_published: "2026-10-21T02:00:00.000Z" category: "地端 AI 實驗室" tags: ["local-ai", "podcast", "地端模型", "lora", "開源模型", "OCR", "indra_ocr", "Kromoss", "ComfyUI", "繁體中文"] language: "zh-TW" license: "CC BY 4.0" license_url: "https://creativecommons.org/licenses/by/4.0/" attribution: "轉載或引用請註明作者並附上原文連結" --- # 🧪 免 GPU 還快 15 倍：1.25M 參數 indra-ocr 簡直是地端救星｜地端 AI 實驗室 本期精選僅有 1.25M 參數、完全免 GPU 就能在 CPU 伺服器上高速處理繁中 OCR 的 indra-ocr，以及能用 8 步快速在 ComfyUI 生成清晰中文字的 Kromoss 繪圖模型。後端工程師想保護客戶隱私，又不想負擔昂貴的雲端 API 費用嗎，等一下告訴你如何用最省資源的架構，在地端建立高吞吐量的文件處理流程。 --- ## 本期精選 ### 1. datalab-to/indra-ocr：超輕量 CPU 優先、支援繁體中文與 LaTeX 公式轉換的極速 OCR 模型 - **這是什麼**: 這是一個僅有 1.25M 參數的超輕量、CPU 優先（CPU-first）OCR 模型，採用 openrail 授權。它專門針對繁體中文與英文進行優化，能將掃描文件、收據或學術 PDF 快速轉換為 Markdown 或結構化 JSON 格式。 - **能用在哪些場景**: - **後端工程師建立全在地端的文件處理流程**：當你需要將包含繁中與英文的掃描發票、收據自動辨識並轉換為結構化的 JSON 格式，以徹底保護客戶隱私不外流，這款模型能讓你完全不用擔心資料送上雲端的合規問題。 - **全端開發者為歷史 PDF 建立全文檢索**：如果你要為公司內部龐大的歷史掃描檔建立搜尋索引，但預算有限不想佔用昂貴的 GPU 資源，這款模型可以直接部署在現有的 CPU 伺服器上進行高吞吐量的文字擷取。 - **研究人員轉換學術論文**：手上有許多含有複雜數學公式的論文掃描檔，需要轉成可編輯的 Markdown 格式，你可以利用 `--math` 參數讓模型自動把公式轉換為精確的 LaTeX 語法。 - **跑得動嗎**: 官方 README 標示為 CPU 優先，模型大小非常迷你，僅約 1.25M 參數，ONNX 管道也只有大約 18 MB。根據官方數據，在 4 核心 vCPU 的 x86 機器上，單頁處理的中位數時間只需要 212 毫秒，如果開啟數學公式模式則為 357 毫秒，完全不需要 GPU 參與。可用格式包含 safetensors 與 onnx。 - **本期聲量**: 目前在 Hugging Face 上的熱度為 255，累積了 3.1k 次下載與 285 個讚。 - **跟同類比**: 根據官方 model card 與第三方評測，在 32 核心 AMD EPYC 伺服器上，其處理速度可達每秒 44 頁，速度高達 Tesseract 5 的 15 倍、PaddleOCR (PP-OCR) 的 10 倍。不過，第三方評測也特別指出，如果遇到太過老舊、模糊的掃描書本，它的辨識錯誤率會有所上升。 - **怎麼取得**: 官方 README 說明，開發者可以直接透過 `pip install indra-ocr` 進行安裝。在終端機執行 `indra-ocr paper.pdf` 就能將 Markdown 輸出至標準輸出，或者執行 `indra-ocr scan.png --format json` 快速取得包含線條、框線與版面區塊的 JSON 格式。 - **連結**: [Hugging Face 頁面連結](https://huggingface.co/datalab-to/indra-ocr) --- ### 2. lodestones/Kromoss：支援中英雙語、能用 8 步快速在地端生成清晰中文字的 ComfyUI 繪圖模型 - **這是什麼**: 參數量約 5B，基於 MOSS-Image-Base 的社群全微調版本，採用 apache-2.0 授權。它最大的特色是支援中英文雙語提示詞，並隨附 8 步 DMD/DMD2 蒸餾 LoRA，能大幅縮短地端生成高畫質中文字圖片的時間。 - **能用在哪些場景**: - **前端工程師快速生成 UI 示意圖原型**：當你在進行網頁原型設計，需要快速產生包含特定中英文排版、結構化佈局（例如白板上的流程圖或看板）的 UI 示意圖，你可以透過 JSON 格式精確控制畫面中物件與文字的擺放位置。 - **獨立開發者製作在地化產品宣傳插圖**：如果你需要為地端專案製作帶有繁體中文手寫字體的宣傳圖，像是畫一張冰箱貼上寫著「記得買牛奶和雞蛋！」的精緻插圖，這款模型能直接幫你把中文字體完美融入圖片中，不需要再手動用 Photoshop 補字。 - **跑得動嗎**: 官方 README 標示模型參數量約為 5B，格式為 safetensors。根據第三方 GPU 評估網站指出，在 FP16 精度下進行單批次推論，預估的峰值顯示記憶體（VRAM）需求約為 11 GB，使用消費級顯示卡如 RTX 4090 24GB 可以輕鬆執行。此外，你也可以將它量化至 INT8（約需 5.5 GB VRAM）或 INT4（約需 2.8 GB VRAM），進一步降低地端顯示記憶體的門檻。 - **本期聲量**: 本期在 Hugging Face 上的熱度為 162，並擁有 5.4k 次下載與 163 個讚。 - **跟同類比**: 官方 model card 標示該模型是 MOSS-Image-Base 的全微調版本。與官方版本的 MOSS-Image-SFT 相比，Kromoss 是一個可以無縫替換的 drop-in 替代品，而且它隨附了 8 步 DMD/DMD2 蒸餾 LoRA，能讓原本需要 50 步的生成流程縮短至 8 步，大幅提升地端推論效率。 - **怎麼取得**: 官方 README 說明，在 ComfyUI 中使用時，需將 `kromoss_bf16.safetensors` 放入 `models/diffusion_models/` 資料夾，並搭配 `qwen3.5_9b_bf16.safetensors` 文本編碼器與 `flux2-vae_small.safetensors` VAE。若要啟用 8 步快速生成，可載入 `8-steps-dmd-lora.safetensors`，並將 KSampler 設定為 euler/simple、8 步、CFG 1。 - **連結**: [Hugging Face 頁面連結](https://huggingface.co/lodestones/Kromoss) --- ## 結尾段落 從本期的選題可以看出，地端 AI 模型正朝著「極致輕量化」與「高度在地化」兩個方向快速演進。不論是連 GPU 都不用、就能在 CPU 伺服器上高速運作的 indra-ocr，還是能完美生成繁中手寫字的 Kromoss，都展現了開源社群在實用工具上的強大創造力。如果你手邊剛好有文件辨識或 UI 示意圖生成的痛點，這週末不妨就動手把這些模型下載到機器上試試看，我們下期再見！ --- ## 關於本文與作者 本文出自 [Mark Ku's Blog](https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-10-21) 授權條款： [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — 轉載或引用請註明作者並附上原文連結 ### 關於作者 **[Mark Ku](https://blog.markkulab.net/author/mark-ku)** — 軟體工程師 - 10 年以上軟體工程師 - 做過北美電商與 AI SaaS 訂閱收費系統 ### 作者開發的免費工具 以下工具皆可免費使用： - [免費 PDF 簽名工具](https://blog.markkulab.net/tools/pdf-sign): 線上 PDF 簽名工具，瀏覽器內完成手繪、打字、上傳簽名，可拖曳放置、縮放、下載。所有處理都在你的裝置完成，檔案不會上傳。 - [VS Code Refactory](https://blog.markkulab.net/tools/refactory): Refactory 是一款 VS Code 重構擴充套件：34 個重構動作、37 條 code smell 檢查、Code Health 儀表板、18 種語言、534 支測試。懂你的專案慣例：介面放哪、DI 註冊寫在哪、'use client' 該不該加；還會用 git 修改頻率 × 複雜度排出「該先修哪個檔案」，並一鍵把壞味道交給你自己電腦上的 Claude Code 修。免費使用，原始碼不離開你的機器。 - [DB-Kit 資料庫管理工具](https://blog.markkulab.net/tools/db-kit): DB-Kit 是一個用 Tauri + Rust + React 打造的輕量跨平台資料庫管理工具，用單一一致的介面同時管理 MySQL、MariaDB、PostgreSQL、SQL Server、Oracle、SQLite、MongoDB、Redis、Kafka、Elasticsearch 與 RabbitMQ 十一種資料來源：連線密碼以 OS keychain 加密、SSH Tunnel、完整 CRUD、視覺化查詢建構器、多結果集同時顯示、跨連線資料傳輸、結構與資料比對（同步 SQL、結構快照）、Excel / CSV 匯入匯出、執行計畫視覺化、ER 圖、排程備份、SQL 壓力測試（p50～p99 延遲百分位）、15 條規則的 SQL 審查、執行前 AI 審查並逐句備份的「審查並執行」（自動產生回滾腳本）、Kafka 訊息瀏覽與監控告警、SSH 終端機與 SFTP / FTP、Docker / Kubernetes、遠端桌面（RDP / VNC / RustDesk）、檔案 / 資料夾比對、預存程序整合測試；六種介面語言，內建 AI 助手（本機 CLI 或 Anthropic / OpenAI 相容 API，自然語言生成 SQL、AI 審查與調校建議）與命令列工具 dbk。免費開源（MIT），提供 Windows / macOS / Linux 安裝檔。 - [VS Code Super Mermaid](https://blog.markkulab.net/tools/super-mermaid): Super Mermaid 是一款 VS Code 擴充套件：開箱即用的漂亮 Mermaid 圖表，自動上色、即時預覽、滑鼠平移縮放、PNG / SVG 高解析匯出，內建 21 種範本與多種主題。免費開源（MIT）。 - [React Super Mermaid](https://blog.markkulab.net/tools/react-super-mermaid): react-super-mermaid 是一個開源 React 元件庫：一行 即可渲染漂亮的 Mermaid 圖表，內建 colorful / sketch 主題、平移縮放、圖內搜尋、SVG / PNG 高解析匯出。輕量、SSR 安全、完整 TypeScript 型別。免費開源（MIT）。 - [Jira / Confluence Super Mermaid](https://blog.markkulab.net/tools/jira-super-mermaid): Atlassian Forge app：在 Jira issue 與 Confluence 內文直接寫 Mermaid 語法，畫流程圖、時序圖、狀態機與甘特圖。11 種圖表、SVG / PNG 匯出、明暗主題、完整中日韓文字支援。取得 Runs on Atlassian 資格：圖表存在你自己的站台，app 不呼叫任何第三方服務。免費，即將上架 Atlassian Marketplace。 - [Mermaid 線上預覽](https://blog.markkulab.net/tools/mermaid-preview): 在瀏覽器裡寫 Mermaid、即時看圖，整張圖表壓進網址就能分享。免註冊、不上傳伺服器，相容 mermaid.live 的分享連結。 - [React Intl Phone Number](https://blog.markkulab.net/tools/react-intl-phone-number): react-intl-phone-number 是一個開源 React 元件：framework-agnostic、不依賴 antd，提供 E.164 進出、可搜尋國旗 / 國碼下拉、可配置驗證等級（strict / mobile-strict / loose）、可主題化 CSS 與 i18n，電話邏輯由 google-libphonenumber 驅動。輕量、完整 TypeScript 型別。免費開源（MIT）。 - [Uptime Kuma Cluster](https://blog.markkulab.net/tools/uptime-kuma-cluster): 把單機版 Uptime Kuma 改造成高可用叢集：OpenResty + Lua 智慧負載平衡、MariaDB 共享狀態、健康檢查與自動 Failover，附監控與叢集管理 RESTful API，一行 Docker Compose 啟動。免費開源（MIT）。 - [AI Podcast Cut 音檔剪輯](https://blog.markkulab.net/tools/ai-podcast-cut): 丟進一段錄音，AI 幫你剪掉「嗯、呃、那個」與講到一半重講的片段，平衡逐段音量，並派第二個 agent 覆核每一刀。辨識與去人聲都在你自己的電腦上跑，不上傳、不需要金鑰。剪點會貼齊字邊界與零交越、每一刀都有漸弱漸強，句尾還留得住呼吸感。Windows / macOS / Linux 桌面應用，MIT 開源，Windows 安裝檔內建 ffmpeg。 - [AI Video Cut 影片剪輯](https://blog.markkulab.net/tools/ai-video-cut): 在影片裡選一個東西：打字（人臉、車牌、手機螢幕、logo）、手動點選或拖框，或交給 Claude Code / Codex 挑。AI Video Cut 會逐幀追蹤它，再幫你打馬賽克或模糊、調色、加跟著走的貼紙與文字、把螢幕或海報換成你的圖片或影片，甚至用其他幀拍到的背景把它移除。另有序列剪輯、本機字幕與 AI 助手。免費開源（MIT）的 Windows 桌面應用（macOS / Linux 實驗中），本機運行，影片不上傳。 - [open-pos 開源餐飲 POS](https://blog.markkulab.net/tools/open-pos): 一台電腦加一台出單機就能開店。資料存在自己的硬碟裡、沒有月租、沒有綁約，MIT 全開源。金額用整數元依營業稅法拆算稅額，銷售額加稅額恆等於總額；出單走網路型 ESC/POS（TCP 9100），不必裝廠商驅動。Tauri + Rust + SQLite 桌面應用，v1.0 開發中。 - [.NET 電商 API 架構範本](https://blog.markkulab.net/tools/dotnet-ecommerce-api): 以 .NET 10 打造的電商平台後端 API 架構範本：Controller → Service → Repository 分層、Autofac 依命名慣例自動註冊、SqlSugar 支援 MySQL / MariaDB 與 SQL Server、Redis 快取與訊息佇列、Hangfire 排程、JWT 認證，內建可擴充的金流 Provider 模組（綠界 ECPay、藍新 Newebpay）。Apache 2.0 開源。 - [Open Token Monitor 團隊 AI 用量監控](https://blog.markkulab.net/tools/open-token-monitor): 把每位員工電腦上 AI coding 工具的 token 用量與等值成本集中到公司自架的 hub：PostgreSQL、組織名單、依公司與部門比較的 dashboard、報表 API。員工端有 Electron 與 Rust/Tauri 兩種，每 30 分鐘自動上傳。MIT 開源，Docker 一行起。 - [AI 資安監控 ai-security-monitor](https://blog.markkulab.net/tools/ai-security-monitor): Rust 寫的單一執行檔 ai-security-monitor 裝在電腦或伺服器上，抓出異常連線、用 26 個公開威脅情資來源判定安全／可疑／危險，檢查防火牆、開放 port、漏洞與 60 條系統硬化；Security Hub 集中看整個車隊，Claude Code／Codex 用白話解讀。MIT 開源、免費、自架。 ### 每日 Podcast - [Mark's Tech Insights 每日 AI 新鮮事](https://blog.markkulab.net/category/tech-news): 每日精選 AI 與科技趨勢，透過語音摘要快速掌握最新技術動態，涵蓋 AI 應用、軟體架構、DevOps 與工程實戰。 — RSS: https://blog.markkulab.net/feed.xml - [AI股市蝦聊](https://blog.markkulab.net/category/ai-stock-chat): 每個交易日用 AI 分析台股盤勢，以雙人對話聊當天的盤中觀察與隔日預測。 — RSS: https://blog.markkulab.net/ai-stock-chat/feed.xml - [開源好物週報](https://blog.markkulab.net/category/open-source-weekly): 每週從 Hacker News、GitHub、Reddit 聲量雷達精選免費開源工具，以雙人對話聊解決什麼痛點與怎麼快速上手。 — RSS: https://blog.markkulab.net/open-source-weekly/feed.xml - [AI 運動週報](https://blog.markkulab.net/category/sports-weekly): 每週一、三、六以雙人對話聊 NBA、MLB 與國際體壇大事，台灣球迷視角，輕鬆有梗不酸人。 — RSS: https://blog.markkulab.net/sports-weekly/feed.xml - [AI 國際新聞快報](https://blog.markkulab.net/category/world-news): 每天早上以雙人對話把過去一天的國際大事講白：政治外交、全球經濟、衝突與安全、災害與氣候，台灣視角、中立客觀、每則附出處。 — RSS: https://blog.markkulab.net/world-news/feed.xml - [地端 AI 實驗室](https://blog.markkulab.net/category/local-ai-lab): 每週三、五精選可以下載到自己機器上跑的開源模型與 LoRA，用雙人對話講清楚能用在哪些場景、你的顯卡跑不跑得動、跟同類差在哪，規格一律引述官方 model card。 — RSS: https://blog.markkulab.net/local-ai-lab/feed.xml - [AI 行銷週報](https://blog.markkulab.net/category/ai-marketing): 每週二以雙人對話整理過去一週 AI 在行銷、廣告、SEO／GEO 與內容行銷的大事，實戰視角、不業配、每則附出處。 — RSS: https://blog.markkulab.net/ai-marketing/feed.xml - [AI 資安週報](https://blog.markkulab.net/category/ai-security): 每週四以雙人對話整理過去一週 AI 與資安交會的大事：LLM 與 AI agent 漏洞、prompt injection、模型供應鏈、攻擊者怎麼用 AI，防禦視角、每則附出處。 — RSS: https://blog.markkulab.net/ai-security/feed.xml ### 電子報 [訂閱電子報](https://blog.markkulab.net/subscribe) — 第一時間收到新文章通知，無垃圾信、隨時可取消訂閱。