datalab-to/surya는 90개 이상 언어의 문서를 처리하는 Python 도구 모음이다. 최신 릴리스는 v0.22.1이다. 제공된 기록에는 이 버전의 변경 목록이 없어, 이번 릴리스에서 새로 추가되거나 달라진 기능은 확인할 수 없다.
프로젝트는 문서의 글자를 읽는 OCR(광학 문자 인식)뿐 아니라 레이아웃 분석, 읽기 순서 파악, 표 인식을 제공한다. 페이지의 내용을 문자로 옮기는 데 그치지 않고 문서 안에서 정보가 놓인 구조도 다룬다. 레이아웃 분석은 페이지의 구성 요소를 구분하고, 읽기 순서는 그 요소를 읽을 차례를 정한다. 문서 OCR과 레이아웃 분석을 함께 제공하므로 글자 인식과 페이지 구성 파악을 한 도구에서 다루려는 작업에 초점이 있다. README 요약에는 텍스트 행 탐지와 OCR 오류 탐지를 위한 별도 모델도 포함돼 있다. 코드에는 Apache-2.0 라이선스가 적용되고, 모델 가중치에는 수정된 AI Pubs Open Rail-M 라이선스가 적용된다.
따라서 코드와 가중치는 같은 라이선스로 취급할 수 없다. 가중치를 사용하는 조건은 별도 라이선스에서 확인해야 한다. 제공된 정보에는 v0.22.1의 세부 변경점이나 성능 평가가 없다. 이 자료만으로는 이번 버전의 개선 폭을 판단하기 어려우며, 확인되는 범위는 문서 처리 기능과 두 구성 요소의 라이선스 차이까지다.