Skip to main content

📄 อัปเกรดแล้ว! AI อ่านเอกสารภาษาไทย แจกฟรี 2 โมเดล

เวอร์ชัน 2.1 ออกเมื่อ 18 พฤศจิกายน 2569 (2026) · เวอร์ชัน 2.0 ประกาศเมื่อ 12 พฤศจิกายน 2569

อัปเกรดแล้ว! OpenThai 2.1 OCR เก่งขึ้นจากเสียงผู้ใช้จริง: ภาพถ่ายเอกสารจากมือถือ (MDPBench) 73.7 เป็น 82.5, เอกสารภาษาอังกฤษ (olmOCR-bench) 50.9 เป็น 73.1 และหน้าหนังสือเก่าปี 2478 อ่านผิดจาก 21.5% เหลือ 4.8%

OCR Markdown 0.63BOCR Text 6.6 MBใช้เชิงพาณิชย์ได้ไทย + อังกฤษv2.1

เคยไหม สแกนเอกสารราชการมาทั้งปึก หรือถ่ายรูปเอกสารด้วยมือถือ อยากได้ตัวหนังสือ แต่ OCR อ่านตารางออกมาเป็นบรรทัดยาวเหยียด ไม่รู้ตัวเลขไหนอยู่แถวไหน สุดท้ายต้องนั่งคีย์ใหม่ทีละช่อง

ทีม OpenThai ของ iApp Technology แจก OCR ภาษาไทย 2 โมเดลให้ทุกคนโหลดไปใช้ได้ฟรี ใช้ในงานเชิงพาณิชย์ได้ด้วย เวอร์ชัน 2.1 อ่านภาพถ่ายเอกสารจากมือถือได้ดีขึ้นมาก และแก้ปัญหาที่ผู้ใช้แจ้งเข้ามาหลังเปิดตัว 2.0 (อ่านว่ามีอะไรใหม่)

OpenThai 2.1 OCR MarkdownOpenThai 2.1 OCR Text
ทำอะไรหน้าเอกสารหรือภาพถ่ายเอกสาร → Markdown ตารางเป็น HTML (รองรับเซลล์ผสาน) สูตรเป็น LaTeX พร้อมกล่องและประเภทของทุกบล็อกหน้าเอกสาร → ข้อความตามลำดับการอ่าน พร้อมกล่องและค่าความมั่นใจทุกบรรทัด
ขนาด0.63B พารามิเตอร์1.60M พารามิเตอร์ ไฟล์ ONNX รวม 6.6 MB (ตัวตรวจจับ 1.8 MB ตัวอ่าน 2.4 MB และตัวอ่านสำรองสำหรับฟอนต์ไม่มีหัว 2.4 MB)
รันบนGPU NVIDIA ใบเดียว ผ่าน vLLM หรือ Mac และ CPU ผ่าน llama.cpp (GGUF)CPU อย่างเดียว ไม่ต้องใช้ GPU
ความเร็ว1.5 วินาทีต่อหน้าบน H100 ราว 6 วินาทีต่อหน้าบน Apple M3 Max (GGUF)0.39 วินาทีต่อหน้า ราว 950 หน้าต่อนาทีบน 8 คอร์
ต่อยอดจากNVIDIA Nemotron 3.5 ParsePaddlePaddle PP-OCRv6-tiny
สัญญาอนุญาตOpenMDW-1.1Apache-2.0
เหมาะกับเอกสารที่มีตาราง ภาพถ่ายเอกสาร งานวิจัย สไลด์ เตรียมข้อมูลทำ RAGข้อความล้วนปริมาณมาก เครื่องไม่มี GPU เอกสารลับที่ออกนอกเครื่องไม่ได้

1) OpenThai 2.1 OCR Markdown: ตารางยังเป็นตาราง อ่านภาพถ่ายจากมือถือได้​

อ่านหน้าเอกสารภาษาไทยและอังกฤษออกมาเป็น Markdown โดยตารางเป็น HTML พร้อม rowspan และ colspan เป็นการเทรนต่อแบบเต็มโมเดลจาก NVIDIA Nemotron 3.5 Parse (0.63B) จึงยังได้กล่องเลย์เอาต์ ประเภทบล็อก ลำดับการอ่าน และใช้ชุดเสิร์ฟเดิมของ Parse ได้ทุกที่

ใหม่ใน 2.1

  • ภาพถ่ายเอกสารจากมือถือ ทั้งกระดาษงอ ยับ และมีเงา: MDPBench (ไทยและอังกฤษ ส่วนใหญ่เป็นภาพถ่าย) จาก 73.7 เป็น 82.5 เฉพาะภาษาไทยจาก 72.7 เป็น 80.7
  • อ่านเอกสารได้อีก 9 แบบ: งานวิจัย หนังสือ การ์ตูน ข้อสอบ นิตยสาร หนังสือพิมพ์ รายงาน สไลด์ และตำราเรียน ภาษาไทยและอังกฤษ: เอกสาร PDF ภาษาอังกฤษ (olmOCR-bench) จาก 50.9 เป็น 73.1 และ OmniDocBench v1.6 จาก 61.8 เป็น 79.6
  • สูตรคณิตศาสตร์ออกมาเป็น LaTeX หัวกระดาษและท้ายกระดาษไม่ปนใน Markdown หน้าว่างไม่แต่งข้อความขึ้นมาเอง และสระอำเป็นตัวอักษรตัวเดียวถูกต้อง
  • ตารางเอกสารราชการไทยยังแม่นเหมือนเดิม: th-docs-tables v1 ได้ 94.0 (2.0 ได้ 95.2 ต่างกันแบบไม่มีนัยสำคัญ) เทียบ Typhoon OCR V2 2B 91.6
  • ขนาดและความเร็วเท่าเดิม: 1.5 วินาทีต่อหน้าบน NVIDIA H100 ใบเดียว
  • ใหม่: ไฟล์ GGUF สำหรับ llama.cpp รันบน Mac หรือ CPU ได้โดยไม่ต้องมี vLLM ราว 6 วินาทีต่อหน้าบน Apple M3 Max (Metal) และได้ Markdown ตรงกับโมเดลต้นฉบับครบทั้ง 30 หน้าที่ทดสอบ

OpenThai2.1-OCR-Markdown-20261118: น้ำหนักโมเดลและ model card พร้อมผลทดสอบเต็มhuggingface.co/iapp/OpenThai2.1-OCR-Markdown-20261118

GGUF สำหรับ llama.cpp: รันบน Mac, CPU หรือการ์ดจอทั่วไป ไม่ต้องใช้ vLLMhuggingface.co/iapp/OpenThai2.1-OCR-Markdown-20261118-GGUF

ไม่อยากดูแล GPU เอง: OCR Markdown API ของ iApp ใช้เวอร์ชัน 2.1 แล้ว หน้าละ 0.15 ICiapp.co.th/docs/ocr/document-markdown

โมเดลth-docs-tables v1 (65 หน้า)ThaiOCRBench ตาราง (193 ภาพ)ข้อความไทยตัวพิมพ์ (12 ชุด)MDPBench ไทย+อังกฤษ (320 หน้า)MDPBench ไทยolmOCR-benchOmniDocBench v1.6วินาทีต่อหน้า
OpenThai2.1-OCR-Markdown94.069.590.282.580.773.179.61.5
OpenThai2.0-OCR-Markdown95.268.990.373.772.750.961.81.5
Nemotron 3.5 Parse (ฐาน)91.368.389.079.677.462.480.11.8
Typhoon OCR V2 2B91.667.689.687.085.084.791.51.0

ตัวหนาคือดีที่สุดในแต่ละคอลัมน์ (วินาทีต่อหน้าคือเร็วที่สุด) เทียบกับ Typhoon OCR V2 2B ด้วยช่วงความเชื่อมั่น 95%: th-docs-tables นำ +2.3 [+0.4, +4.8] ส่วน ThaiOCRBench ตารางและข้อความไทยต่างกันแบบไม่มีนัยสำคัญ บน MDPBench ตามหลัง 4.5 [−7.0, −2.0] ส่วนใหญ่ที่ภาพถ่ายและตารางในภาพถ่าย บน olmOCR-bench และ OmniDocBench ตามหลังราว 12 คะแนน ส่วนใหญ่ที่สูตรคณิตศาสตร์ MDPBench ไม่รวมคะแนนสูตร (CDM) และราชกิจจานุเบกษาชุดใหม่ที่อยู่ในหน้าของ 2.0 ยังไม่ได้วัดใหม่สำหรับ 2.1 รายละเอียดทั้งหมดอยู่ใน model card

วิธีใช้​

เสิร์ฟด้วย vLLM เหมือนโมเดลฐาน แล้วอ่านหน้าเอกสารด้วย DocumentParser ของ NVIDIA จากแพ็กเกจ nemotron_parse ที่อยู่ในโมเดล (โหมดกล่องและประเภท อ่านรอบเดียว) vLLM รันบน Linux ถ้าใช้ Windows ให้รันใน WSL2

hf download iapp/OpenThai2.1-OCR-Markdown-20261118 --local-dir OpenThai2.1-OCR-Markdown
pip install -e "./OpenThai2.1-OCR-Markdown[vllm,client]"
vllm serve ./OpenThai2.1-OCR-Markdown --served-model-name nemotron-parse --trust-remote-code
from nemotron_parse.inference import DocumentParser, GenerationError

with DocumentParser(base_url="http://localhost:8000/v1", model="nemotron-parse") as parser:
doc = parser.parse("page.png", mode="single")
print(doc["markdown"]) # Markdown; ตารางเป็น HTML พร้อม rowspan/colspan; สูตรเป็น $$...$$
  • ต้องการผลแบบ 2.0 (เก็บหัวกระดาษและท้ายกระดาษไว้ใน Markdown สูตรแบบ \(...\)) ตั้งค่าได้ด้วย PostprocessOptions ดูใน model card
  • รันบน Mac หรือ CPU: ใช้ ไฟล์ GGUF กับ llama.cpp ฉบับของเรา (iapp-technology/llama.cpp branch nemotron-parse) เพราะ llama.cpp ต้นฉบับยังไม่รองรับสถาปัตยกรรมนี้
  • คู่มือทีละขั้นตอน สำหรับ Windows, Mac และ Linux พร้อมสคริปต์อ่านรูปและ PDF: อ่านบนบล็อก iApp (เขียนสำหรับ 2.0 ใช้กับ 2.1 ได้เลย เพียงเปลี่ยนชื่อโมเดล)

2) OpenThai 2.1 OCR Text: โมเดลจิ๋ว 6.6 MB ไม่ต้องใช้ GPU​

OCR ข้อความภาษาไทยและอังกฤษตัวพิมพ์ที่รันบน CPU ธรรมดา ตัวตรวจจับบรรทัด PP-OCRv6-tiny (1.8 MB) และตัวอ่านบรรทัดภาษาไทยที่ iApp เทรนเอง (2.4 MB) รันด้วย OpenVINO หรือ ONNX Runtime เป็นเอนจินเบื้องหลัง iApp Document OCR

ใหม่ใน 2.1 (ไฟล์โมเดลเดิมของ 2.0 กับรันไทม์ใหม่ และตัวอ่านสำรองสำหรับฟอนต์ไม่มีหัว)

  • หนังสือเก่าที่วรรณยุกต์ลอย ไม่ทำวรรณยุกต์หายแล้ว: หน้าทดสอบจากหนังสือปี 2478 ที่ผู้ใช้ส่งมา อ่านผิดลดจาก 21.5% เหลือ 4.8% (วัดบนหน้าเดียว ไม่ใช่ชุดทดสอบ)
  • ฟอนต์ไม่มีหัว (Kanit, Prompt, Sukhumvit Set) ไม่ถูกอ่านเป็นตัวอังกฤษอีกแล้ว
  • เอกสาร 2–3 คอลัมน์ อ่านทีละคอลัมน์ ส่วนรายการและตารางยังอ่านทีละแถว
  • ตัวเลขหรือตัวอักษรตัวเดียวในช่องตาราง ไม่หายแล้ว และยอดเงินที่มีจุลภาคก่อนทศนิยม เช่น "280,00" ออกมาเป็น "280.00"
  • ใช้หน่วยความจำน้อยลงบน Mac และ Windows
  • ข้อความตัวพิมพ์ 12 ชุด เฉลี่ยจาก 87.8 เป็น 88.3 และ ThaiOCRBench หน้าเต็มจาก 82.0 เป็น 84.1
  • เร็วเท่าเดิม 0.39 วินาทีต่อหน้า ไม่ต้องต่อเน็ต เอกสารลับไม่ต้องออกจากเครื่อง

ส่วนใหญ่ของการแก้ไขรอบนี้มาจากผู้ใช้จริง ทั้งคอมเมนต์ใน Facebook และโปรเจกต์บน GitHub ที่สร้างบนโมเดลนี้ ขอบคุณทุกคนครับ

OpenThai2.1-OCR-Text-20261118: โมเดล ONNX รันไทม์ และตารางเทียบ 15 เอนจินhuggingface.co/iapp/OpenThai2.1-OCR-Text-20261118

iApp Document OCR API สร้างบนโมเดลนี้: ข้อความล้วนหน้าละ 0.049 IC, Word / Excel / PDF ค้นหาได้ หน้าละ 0.15 ICiapp.co.th/docs/ocr/document

ทุกเอนจินอ่านหน้าเดียวกันและให้คะแนนแบบเดียวกัน คะแนนคือความแม่นยำระดับตัวอักษร 100 × (1 − CER) ยิ่งสูงยิ่งดี

เอนจินเฉลี่ย 12 ชุดตัวพิมพ์คำพิพากษาราชกิจจาฯงบประมาณหนังสือเก่าThaiOCRBenchลายมือ
OpenThai2.1-OCR-Text (v2.1.1, CPU)88.297.096.399.678.883.810.3
OpenThai2.0-OCR-Text (v2.0.0, CPU)87.897.096.399.577.182.010.3
OpenThai2.0-OCR-Markdown (GPU)90.396.298.098.279.790.678.9
Typhoon OCR V2 2B89.696.294.697.377.287.376.7
NVIDIA Nemotron 3.5 Parse89.096.992.298.976.992.057.3
Typhoon OCR 1.5 2B87.592.492.597.278.671.494.5
Gemini 2.5 Flash87.194.792.681.077.988.886.7
dots.mocr86.496.393.199.576.378.839.4
OneOCR (Microsoft, Windows)85.095.196.699.878.681.891.0
Google Cloud Vision83.693.987.875.073.685.660.8
PaddleOCR 3 PP-OCRv5 (th)81.190.482.993.155.575.841.6
Qwen3.5-9B80.134.588.291.868.582.054.1
Tesseract 5 (tha+eng)75.471.782.371.352.275.026.4
PaddleOCR-VL 1.672.480.879.770.357.668.213.4
DeepSeek-OCR-269.092.884.791.455.277.53.9

ตัวหนาคือดีที่สุดในแต่ละคอลัมน์ แถวของ 2.1 วัดที่ v2.1.1 ตาม model card ส่วนเวอร์ชันล่าสุด v2.1.4 ได้ค่าเฉลี่ย 12 ชุด 88.3 และ ThaiOCRBench 84.1 ค่าเฉลี่ยรวม 12 ชุดตัวพิมพ์ (งบประมาณ ราชกิจจาฯ SEA-DocBench หนังสือเก่าจากวิกิซอร์ซ คำพิพากษาศาลปกครอง ThaiOCRBench th-docs-tables และ OCR104 อีก 3 ชุด) ไม่รวมลายมือ ตารางเต็มและความเร็วของทุกเอนจินอยู่ใน model card คำพิพากษาศาลเป็นเอกสารประเภทที่อยู่ในชุดเทรน (คนละฉบับกับที่ทดสอบ)

วิธีใช้​

hf download iapp/OpenThai2.1-OCR-Text-20261118 --local-dir OpenThai2.1-OCR-Text
pip install -r OpenThai2.1-OCR-Text/requirements.txt
cd OpenThai2.1-OCR-Text
from runtime.line_engine import LineOCR

ocr = LineOCR(".", threads=1)
r = ocr.read("page.png") # path, bytes, ndarray หรือ PIL image
print(r["text"]) # ข้อความตามลำดับการอ่าน (ทีละคอลัมน์)
r["lines"] # [{"text", "confidence", "row", "box"}]

ถ้าต้องการปริมาณงานสูง ให้รัน worker หนึ่ง process ต่อหนึ่งคอร์ด้วย threads=1

🔁 ใช้เวอร์ชัน 2.0 อยู่?​

  • ลิงก์และชื่อโมเดลเดิมยังใช้ได้ (iapp/OpenThai2.0-OCR-Markdown และ iapp/OpenThai2.0-OCR-Text) Hugging Face พาไปชื่อใหม่ให้อัตโนมัติ และจะได้เวอร์ชัน 2.1
  • ต้องการเวอร์ชันเดิม ใส่ revision="v2.0.0" ตอนโหลด
  • ไม่อยากให้ผลเปลี่ยนเองเมื่อมีอัปเดต ปักเวอร์ชันไว้ด้วย revision="v2.1.0" (OCR Markdown) หรือ revision="v2.1.4" (OCR Text)

🤔 ทำไมแจกฟรี​

เอกสารไทยอีกหลายล้านหน้าในหน่วยงานรัฐ โรงพยาบาล และบริษัท ส่งขึ้นคลาวด์ต่างประเทศไม่ได้ เราอยากให้ทุกที่รันในเครื่องตัวเองได้ และใครจะทำแชทบอท AI จากเอกสารองค์กร ก็ต้องเริ่มจากอ่านเอกสารให้ถูกก่อน

⚠️ พูดกันตรง ๆ: สิ่งที่ยังไม่ใช่จุดแข็ง​

  • ภาพถ่ายเอกสาร เอกสารภาษาอังกฤษ และสูตรคณิตศาสตร์ Typhoon OCR V2 2B ยังนำเราอยู่ (MDPBench 87.0, olmOCR-bench 84.7, OmniDocBench 91.5) เวอร์ชันหน้าทีมกำลังเก็บภาพถ่ายเอกสารไทยจริงและข้อมูลสูตรมาพัฒนาต่อ
  • สูตรคณิตศาสตร์ ยังเป็นจุดที่อ่อนที่สุดของ OCR Markdown
  • ภาพหรือแผนภาพที่ไม่มีตัวหนังสือ อาจยังได้ข้อความที่แต่งขึ้นมา (หน้าว่างล้วนข้ามให้แล้ว)
  • ภาษาจีน ไม่ใช่ภาษาเป้าหมาย อ่านได้แย่กว่าภาษาอังกฤษชัดเจน
  • ลายมือทั้งหน้า ยังไม่ใช่เป้าหมาย OCR Markdown อ่านลายมือได้ระดับบรรทัด ส่วน OCR Text อ่านเฉพาะตัวพิมพ์
  • ภาพตัดสั้นของข้อความที่ถ่ายด้วยกล้อง อ่านได้แย่กว่าหน้าเต็ม: OCR Markdown ได้ 94.5 บนภาพถ่ายเอกสาร OCR104
  • ตารางที่ไม่เหมือนเอกสารราชการไทย บางตารางยังได้แถวไม่ครบหรือ rowspan ผิด
  • เลขไทย บางครั้งออกมาเป็นเลขอารบิก
  • OCR Text: ฟอนต์ตกแต่งหนัก ๆ อาจอ่านผิด ฟอนต์ไม่มีหัวยังสลับตัวอักษรได้บ้าง (ท กับ า) ตราประทับจะออกมาเป็นข้อความ และความเร็วแบบ bf16 ต้องใช้ CPU ที่มี AMX (Sapphire Rapids ขึ้นไป)

ทีมกำลังพัฒนาต่อครับ และขอบคุณทีม Typhoon ที่ช่วยกันยกมาตรฐาน OCR ภาษาไทยมาด้วยกัน

👨‍👩‍👧 ตระกูล OpenThai 2​

โมเดลทำอะไรขนาดสถานะ
OpenThai 2.0LLM สนทนา/ให้เหตุผลภาษาไทย อ่านภาพได้27Bเปิดตัวแล้ว
OpenThai 2.0 Legalโมเดลกฎหมายไทยสำหรับ RAG30B-A3Bเปิดตัวแล้ว
OpenThai-SystemOneโมเดลตัดสินใจไทย+อังกฤษ (ไม่สร้างข้อความ)0.8Bเปิดตัวแล้ว
OpenThai 2.1 OCR Markdownหน้าเอกสาร → Markdown ตารางเป็นตาราง0.63Bอัปเดต 18 พ.ย.
OpenThai 2.1 OCR TextOCR ข้อความตัวพิมพ์บน CPU6.6 MBอัปเดต 18 พ.ย.
OpenThai 2.0 ASR Streamingถอดเสียงพูดภาษาไทยแบบสด0.64Bเปิดตัวแล้ว

🏷️ แอปที่ใช้ OpenThai OCR​

ถ้าแอปของคุณใช้โมเดลนี้ ส่งชื่อแอปมาลงรายการได้ที่ openthai.ai/powered-by ที่นั่นมีป้าย Powered by ให้ติดในแอปด้วย

Powered by OpenThai OCR

🤝 ร่วมพัฒนา​

  • มีเอกสารภาษาไทยที่ OCR ตัวไหนก็อ่านไม่ออก (ที่ไม่มีข้อมูลส่วนตัว) ส่งมาให้เราลองได้
  • พูดคุยกันได้ที่ Discord OpenThaiGPT และ กลุ่ม Facebook

📄 สัญญาอนุญาตและเครดิต​

  • OpenThai 2.1 OCR Markdown: OpenMDW-1.1 อนุญาตให้ใช้ได้โดยไม่มีข้อจำกัด รวมถึงเชิงพาณิชย์ เป็นงานต่อยอดจาก NVIDIA Nemotron 3.5 Parse ซึ่งใช้ OpenMDW-1.1 เช่นกัน tokenizer ใช้สัญญาอนุญาต MIT ส่วน llama.cpp ฉบับของเราใช้ MIT เหมือน llama.cpp Built on NVIDIA Nemotron
  • OpenThai 2.1 OCR Text: Apache-2.0 ตัวตรวจจับและจุดเริ่มต้นของตัวอ่านคือ PP-OCRv6-tiny ของ PaddlePaddle (Apache-2.0)

พัฒนาโดย iApp เปิดตัวร่วมกับ AIEAT

🙏 ขอบคุณ Siam AI​

Siam AI Corporation

ทั้งสองโมเดลเทรนบน GPU NVIDIA H100 ที่ได้รับการสนับสนุนจาก บริษัท สยาม เอไอ คอร์เปอเรชั่น จำกัด ขอขอบคุณเป็นอย่างยิ่งที่ร่วมสนับสนุน AI ไทยแบบเปิดมาอย่างต่อเนื่อง และขอบคุณ NVIDIA สำหรับ Nemotron 3.5 Parse