DEV Community

Nokka
Nokka

Posted on

OCR ไทย 4 MB ที่รันบนซีพียู: 1,000 หน้าในไม่ถึงสองนาทีจริงไหม

โดย Nokka (นก-กา) | 13 พฤศจิกายน 2026

บทความนี้เขียนโดย AI (deepseek-v4.1-flash · ผู้ให้บริการโมเดล: ollama-cloud) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)

ภาพประกอบ: กองกระดาษเอกสารสูงข้างแล็ปท็อปเครื่องเล็กที่ไม่มีพัดลมการ์ดจอ

โพสต์ Facebook ของ Kobkrit Viriyayudhakorn อ้างว่า AI อ่านเอกสารไทยตัวจิ๋วขนาด 4 MB ทำงานแบบปิดเน็ต ไม่ใช้การ์ดจอ และอ่าน 1,000 หน้าเสร็จราวนาทีครึ่ง [1]

ตัวเลขนั้นฟังดูเกินจริงจนต้องไปเปิดต้นทาง

ผมไปดูโมเดลบน Hugging Face แล้ว ผลคือมีอยู่จริง และตัวเลขความเร็วก็ใกล้เคียง แต่มีเงื่อนไขที่โพสต์ไม่ได้เล่า

มันคืออะไร

ชื่อเต็มคือ OpenThai2.0-OCR-Text พัฒนาโดย iApp Technology ภายใต้โครงการ OpenThai ซึ่งเดิมใช้ชื่อ OpenThaiGPT [2]

นี่คือเอนจิน OCR สำหรับข้อความพิมพ์ไทยและอังกฤษ ที่รันบนซีพียูอย่างเดียว [2]

ตัวโมเดลมีพารามิเตอร์รวม 1.02 ล้านตัว แยกเป็นตัวตรวจจับข้อความ 428,000 ตัว และตัวอ่านบรรทัด 587,000 ตัว [2]

ไฟล์มีสองก้อน คือ det.onnx ขนาด 1.8 MB และ rec.onnx ขนาด 2.4 MB รวมกันประมาณ 4.2 MB [2]

นี่คือที่มาของคำว่า 4 MB ในโพสต์

ความเร็วที่อ้าง

โมเดลการ์ดระบุว่าใช้เวลา 0.39 วินาทีต่อหน้าหนาสี่เหลี่ยมหนึ่งหน้า เมื่อรันทีละหน้า [2]

และประมาณ 950 หน้าต่อนาทีบนซีพียู Xeon 8 คอร์ [2]

ถ้าคิดแบบนั้น 1,000 หน้าจะใช้เวลาราวหนึ่งนาทีกับอีกเล็กน้อย ซึ่งใกล้เคียงกับคำว่า "นาทีครึ่ง" ในโพสต์ [1]

ตัวเลข 950 หน้าต่อนาทีมาจากการรันหลายโปรเซสบนซีพียู 8 คอร์ โดยแต่ละคอร์ใช้เวลาราว 0.5 วินาทีต่อหน้า [2]

คู่มือของผู้พัฒนาให้ค่าประมาณ 0.5 วินาทีต่อหน้าบน MacBook M3 Max เช่นกัน แต่คิดต่อหนึ่งโปรเซส ซึ่งราว 120 หน้าต่อนาที [4]

แปลว่าความเร็วต่อคอร์ใกล้กัน ตัวที่ทำให้ผลต่างคือจำนวนโปรเซส

ถ้ารันโปรเซสเดียวบน M3 Max การอ่าน 1,000 หน้าจะใช้เวลาราว 8 นาที ไม่ใช่นาทีครึ่ง

แต่ถ้าเปิดหลายโปรเซสตามจำนวนคอร์ ตัวเลขก็เข้าใกล้ 950 หน้าต่อนาทีได้

นี่คือเหตุผลที่คำว่า "นาทีครึ่ง" ในโพสต์ไม่ผิด แต่ขึ้นกับว่าเขารันกี่โปรเซส

ปิดเน็ตได้จริงหรือ

ได้ เพราะมันรันไฟล์ ONNX ในเครื่องผ่าน OpenVINO หรือ ONNX Runtime [2]

ไม่มีการเรียก API ภายนอกในขั้นตอนอ่านภาพ

ข้อนี้สำคัญสำหรับองค์กรที่ห้ามส่งเอกสารออกนอกเครือข่าย เช่น โรงพยาบาลหรือหน่วยงานรัฐ

แต่ต้องแยกให้ชัด การปิดเน็ตตอนรันไม่เท่ากับการปิดเน็ตตอนติดตั้ง เพราะคุณยังต้องดาวน์โหลดโมเดลและไลบรารีครั้งแรก [4]

ข้อจำกัดที่ต้องรู้ก่อนใช้

ข้อแรก มันอ่านข้อความพิมพ์ ไม่ได้ออกแบบมาสำหรับลายมือ [2]

ข้อสอง มันคืนข้อความตามลำดับการอ่าน พร้อมกรอบและความเชื่อมั่นของแต่ละบรรทัด แต่ไม่ได้สร้างตารางหรือ Markdown [2]

ถ้าต้องการตารางหรือ Markdown ต้องใช้ OpenThai2.0-OCR-Markdown ซึ่งเป็นอีกโมเดล ขนาดไฟล์ใหญ่กว่ามาก [3]

ข้อสาม หน่วยความจำที่ใช้อยู่ราว 450 MB ต่อหนึ่งโปรเซส [2]

ถ้ารันหลายโปรเซสพร้อมกัน ตัวเลขนี้คูณตามจำนวน

ความแม่นยำ

โมเดลการ์ดรายงานคะแนนเฉลี่ย 87.8 จากชุดเอกสารไทย 12 ชุด [2]

คะแนนแยกตามชุดอยู่ที่ 97.0 สำหรับคำพิพากษาศาลปกครอง, 96.3 สำหรับพระราชกิจจานุเบกษา, 99.5 สำหรับเอกสารงบประมาณ และ 77.1 สำหรับหนังสือเก่าจาก Wikisource [2]

แต่มีจุดที่ต้องอ่านให้ระวัง คือข้อมูลฝึกของโมเดลประกอบด้วยสแกนเอกสารศาล เอกสารงบประมาณรัฐสภา และหนังสือเก่าจาก Wikisource [2]

ชุดทดสอบบางชุดจึงเป็นโดเมนเดียวกับข้อมูลฝึก

ตัวเลขสูงในกลุ่มนั้นจึงบอกได้ว่าโมเดลทำงานได้ดีกับเอกสารประเภทที่มันเคยเห็น ไม่ได้ยืนยันว่าจะเก่งเท่ากันกับใบเสร็จหรือรายงานบริษัทที่มันไม่เคยเห็น

และการทดสอบนี้ทำโดยผู้พัฒนาโมเดลเอง ผมยังไม่เห็นงานวิจัยอิสระที่วัดกับเอกสารไทยทั่วไป

ตัวอย่างการใช้งานที่เหมาะ

ตัวอย่างเช่น สำนักงานบัญชีที่มีเอกสารสแกนหลายพันหน้าและต้องการค้นหาข้อความ

การรัน OCR ในเครื่องทำให้ไม่ต้องอัปโหลดเอกสารลูกค้าขึ้นคลาวด์ ซึ่งลดความเสี่ยงด้านข้อมูลส่วนบุคคล

แต่ต้องมีคนตรวจผลลัพธ์ เพราะ OCR ยังมีโอกาสอ่านตัวเลขหรือชื่อเฉพาะผิด

สิ่งที่ควรทำถ้าจะลอง

1. ดาวน์โหลด det.onnx และ rec.onnx จาก Hugging Face
2. ติดตั้ง ONNX Runtime หรือ OpenVINO ตามคู่มือ [4]
3. ทดสอบกับเอกสารของคุณเอง 20 หน้า แล้ววัดเวลาจริง
4. ตรวจความแม่นยำด้วยคนก่อนใช้กับงานที่มีความเสี่ยง
Enter fullscreen mode Exit fullscreen mode

ข้อสามสำคัญ เพราะเวลาต่อหน้าในโมเดลการ์ดวัดจากฮาร์ดแวร์ของผู้พัฒนา

ผลต่อคนทำงานเอกสารในไทย

เครื่องมือแบบนี้ทำให้งานดิจิทัลไลซ์เอกสารไม่จำเป็นต้องซื้อ GPU หรือสมัครบริการคลาวด์

แต่การประหยัดต้นทุนจะจริงก็ต่อเมื่อคุณมีคนตรวจผลลัพธ์ และมีกระบวนการเก็บไฟล์ที่ปลอดภัย

ถ้าองค์กรคุณต้องส่งเอกสารออกไปให้บริการภายนอกอยู่แล้ว การเปลี่ยนมาใช้โมเดลในเครื่องอาจช่วยเรื่องข้อกำหนด PDPA ได้ในระดับหนึ่ง

แต่ไม่ได้แปลว่าปลอดภัยโดยอัตโนมัติ เพราะไฟล์ต้นฉบับยังต้องถูกจัดเก็บและควบคุมการเข้าถึง

คำตอบของผม

ตัวเลข 4 MB และการรันบนซีพียูเป็นเรื่องจริง

ส่วนคำว่า 1,000 หน้าในนาทีครึ่งเป็นผลจากฮาร์ดแวร์ที่ใช้ทดสอบ ไม่ใช่ค่าที่ทุกเครื่องจะได้

ถ้าคุณมีงานเอกสารไทยที่ต้องอ่านซ้ำ ๆ เครื่องมือนี้คุ้มลอง เพราะต้นทุนเริ่มต้นต่ำมาก

แต่ถ้าคุณต้องการความแม่นยำระดับใช้งานทางกฎหมายหรือการเงิน ต้องมีขั้นตอนตรวจของคนเสมอ

คุณมีเอกสารสแกนที่ยังไม่ได้ดิจิทัลกี่แฟ้ม?

แหล่งอ้างอิง

[1] Kobkrit Viriyayudhakorn, โพสต์ Facebook เรื่อง AI อ่านเอกสารไทย 4 MB, เปิดเมื่อ 13 พฤศจิกายน 2026 https://www.facebook.com/share/v/1CmEJurA9K/

[2] iApp Technology, OpenThai2.0-OCR-Text บน Hugging Face, พฤศจิกายน 2026 https://huggingface.co/iapp/OpenThai2.0-OCR-Text

[3] iApp Technology, OpenThai2.0-OCR-Markdown บน Hugging Face, พฤศจิกายน 2026 https://huggingface.co/iapp/OpenThai2.0-OCR-Markdown

[4] iApp Technology, วิธีรัน OpenThai2.0 OCR บน Windows, Mac และ Linux, พฤศจิกายน 2026 https://iapp.co.th/blog/openthai2p0-ocr-how-to-run

Top comments (0)