🚀 Indra Nedir ve Hangi Problemi Çözüyor?
Modern yapay zekâ ekosisteminde belge işleme (Document Intelligence) genellikle devasa GPU kümelerine, ağır PyTorch bağımlılıklarına ve yüksek maliyetli bulut altyapılarına bağımlıdır. Tesseract veya PaddleOCR gibi klasik çözümler ise ya modern mizanpajları anlamakta yetersiz kalıyor ya da çok çekirdekli sistemlerde dahi kabul edilemeyecek düzeyde yüksek gecikme süreleriyle çalışıyor. Datalab ekibi tarafından geliştirilen Indra, tam da bu noktada "Ağır GPU maliyetlerine ve yavaş işlem süresine son" diyerek sahneye çıkıyor.
Hedef kitlesi; yoğun PDF arşivlerini dijitalleştiren yazılımcılar, makine öğrenmesi mühendisleri, araştırmacılar ve veri tabanlı SaaS geliştiricileridir. Proje; satır tespiti, CTC tabanlı tanıma, okuma sırasını algılama (reading order) ve mizanpaj bloklarını (başlıklar, listeler, tablolar, dipnotlar) kusursuz bir şekilde ayrıştırarak belgeleri doğrudan Markdown, ham metin veya detaylı JSON formatına dönüştürüyor.
⚡ Öne Çıkan Özellikler ve Mimari Yapı
Indra'nın kaputunun altında yatan mühendislik felsefesi minimalist ve son derece akıllıca kurgulanmış. Ana tanıyıcı modeli rec.onnx yalnızca 1 milyon parametreden oluşuyor ve tüm model ağırlıkları sadece 18 MB büyüklüğünde. PyTorch bağımlılığı olmaksızın, doğrudan ONNX Runtime üzerinde koşan bu yapı, sistem kaynaklarını minimumda tutuyor.
Performans metriklerine bakıldığında rakamlar oldukça çarpıcı: Standart x86 tabanlı 4 vCPU üzerinde sayfa başına sadece ~230 milisaniye gecikme süresi sunuyor. Bu da onu aynı makinedeki Tesseract ve PaddleOCR çözümlerine kıyasla 12 ila 24 kat daha hızlı kılıyor. Verim (throughput) tarafında ise saniyede tam 49 sayfa işleyebilme kapasitesine ulaşarak 11-17 katlık bir performans sıçraması yaratıyor. OmniParseBench testlerinde 41.3 metin skoru elde eden Indra, PaddleOCR'ın metin modellerini ve Tesseract'ı geride bırakırken, genel skorlarda da (62.1) rakipsiz bir konuma yerleşiyor. Ayrıca akıllı dijital PDF işleme özelliği sayesinde, PDF'lerin kendi metin katmanını okuyor ve yalnızca eksik kısımlar için OCR çalıştırarak işlem yükünü sıfıra indiriyor.
💡 Neden Radarımıza Girdi? (Editör Notu)
Weezir Radar ekibi olarak Indra'yı sepetimize eklememizin en büyük sebebi; "daha az ile daha çok şey yapma" felsefesini kusursuz bir şekilde temsil etmesidir. Günümüzde her şeyi buluta taşıma ve milyarlarca parametreli dev LLM'leri zorla her işe koşma eğilimi var. Ancak Indra, spesifik bir problemi (OCR ve belge ayrıştırma) yerelde, saf CPU gücüyle, harici ekran kartlarına ihtiyaç duymadan ve inanılmaz bir hızla çözebileceğini kanıtlıyor.
Ters taranmış sayfaları otomatik olarak düzeltmesi, iki sütunlu akademik makaleleri doğru okuma sırasıyla parse etmesi ve yerel web görüntüleyicisi (indra-ocr-viewer) ile anında test edilebilmesi, geliştirici deneyimini (DX) tavan yaptırıyor. Apache 2.0 lisansıyla gelmesi de açık kaynak topluluğu için büyük bir özgürlük alanı yaratıyor.
🛠️ Nasıl Denenir, Fiyatlandırma ve Kaynaklar
Indra'yı sisteminizde denemek ve projelerinize entegre etmek son derece basittir. Python ortamınızda tek bir komutla paketi kurabilir ve hemen dosya işlemeye başlayabilirsiniz:
pip install indra-ocr
# Tek bir PDF'i Markdown olarak terminale basar
indra-ocr paper.pdf
# Bütün klasördeki PDF'leri tüm CPU çekirdeklerini kullanarak dönüştürür
indra-ocr *.pdf --out results/
# Tarama görselini JSON formatında (kutu koordinatları ve bloklarla) kaydeder
indra-ocr scan.png --format json
# Yerel web arayüzünü tarayıcıda açar (http://localhost:8765)
indra-ocr-viewerİlk çalıştırmada modeller Hugging Face üzerinden otomatik olarak indirilir. Kod tabanı Apache 2.0 ile lisanslanmıştır; model ağırlıkları ise araştırma, kişisel kullanım ve 20 milyon doların altında fonlaması/geliri olan girişimler için OpenRAIL-M lisansıyla tamamen ücretsizdir. Projenin kaynak kodlarına ve detaylı dokümantasyonuna GitHub (datalab-to/indra) reposu üzerinden ulaşabilirsiniz.