datalab-to/indra는 CPU에서 PDF와 이미지를 Markdown, 텍스트 또는 상자 좌표가 포함된 JSON으로 바꾸는 OCR 엔진이다. 저장소 설명에 따르면 모델은 100만 파라미터 규모이며, 최신 릴리스는 v1.1.2다. 제공된 정보에는 이 릴리스의 변경 내역이 없다. Python으로 작성됐고 Apache-2.0 라이선스로 공개됐다.
문서에서 글줄을 찾고 읽기 순서를 정한 뒤 인식 결과를 출력한다. CTC는 글자마다 위치를 지정하는 대신 문자열을 인식하는 방식이다. 저장소는 CPU에서 초당 49쪽을 처리한다고 밝히며, Tesseract보다 15배 빠르고 10억 개가 넘는 파라미터를 가진 모델에 가까운 정확도라고 설명한다. 이 비교는 저장소 자체 벤치마크에 근거한다. PDF와 이미지 외에도 손글씨, 80개가 넘는 언어, 회전하거나 기울어진 스캔, 문서 레이아웃과 디지털 PDF의 텍스트 레이어를 처리한다고 안내한다. 명령행 도구와 로컬 웹 뷰어도 제공하며, 뷰어에서는 줄과 블록, 읽기 순서를 확인할 수 있다. 이런 기능은 문서를 여러 형식으로 변환하는 처리 과정에 쓸 수 있다.
성능 비교는 독립적으로 검증된 결과가 아니라 프로젝트 측 측정이다. 저장소는 손글씨 처리와 한글 줄이 한자로 읽히는 사례를 실패 지점으로 든다. 최고 수준 모델은 상용 플랫폼에 있어 코드로 확인할 수 없다고 설명한다. 따라서 제시된 수치는 참고 자료로 보고, 실제 문서에서의 인식 결과를 따로 확인할 필요가 있다.