datalab-to/indraは、PDFと画像をCPU上でMarkdown、テキスト、またはボックス座標を含むJSONへ変換するOCRエンジンだ。リポジトリの説明によれば、モデルは100万パラメータ規模で、最新リリースはv1.1.2だ。提供された情報にはこのリリースの，内容が示されていない。Pythonで書かれ、Apache-2.0ライセンスで公開されている。
文書の中で行を探し、読み順を定めたうえで認識結果を出力する。CTCは文字ごとに位置を指定するのではなく、文字列を認識する方式だ。リポジトリはCPU上で毎秒49ページを処理すると明かし、Tesseractより15倍速く、10億パラメータを超えるモデルの精度に近いと説明する。この比較はリポジトリ自身のベンチマークに基づく。PDFと画像のほかに、手書き、80を超える言語、回転や傾いたスキャン、文書レイアウト、デジタルPDFのテキストレイヤーを処理すると案内している。コマンドラインツールとローカルWebビューアも提供し、ビューアでは行、ブロック、読み順を確認できる。これらは文書を複数の形式に変換する処理に利用できる。
性能の比較は独立に検証された結果ではなく、プロジェクト側の測定だ。リポジトリは手書きの処理と、ハングル行が漢字として読まれる事例を失敗点として挙げている。最高水準のモデルは商用プラットフォームの中にあり、コードでは確認できないと説明する。したがって示された数値は参考資料として扱い、実際の文書での認識結果は別途確認する必要がある。