寻求多文档ERP系统OCR模型选型的建议

大家好，我正在为ERP系统开发OCR组件，目前正在评估一些较新的OCR/VLM模型。非常希望得到那些有过实际文档OCR项目经验的人的建议。我们的文档主要是商业文件（发票、表格等），内容可能包含阿拉伯文和法文，还有手写阿拉伯文、印章、签名、表格以及质量较差的扫描件/照片等。需要特别说明的是，一个上传的文件可能包含多页属于不同文档类型的内容。例如，一个文件里可能有4页属于同一类型文档，之后又是另一种类型的文档。因此我们不仅需要对这些页面进行OCR识别，还要能够正确识别并分割不同的文档。我们目前正在考虑PaddleOCR-VL和Unlimited-OCR这类模型，也考虑过将通用文档OCR模型与专门的阿拉伯文手写识别模型结合使用。我的主要疑问是关于多页处理的问题：与逐页处理相比，像Unlimited-OCR这样的长上下文OCR模型何时才会真正发挥作用？保持跨页上下文是否能在文档分割/分类、跨页连续表格识别以及一致字段提取等方面带来显著优势？还是说逐页OCR再加上独立的文档分类/合并层才是更好的方案？对于我们的应用场景，您会更倾向于选择能够处理长文档的VLM模型，还是更注重OCR准确率与文档分割能力？此外，我们对阿拉伯文OCR也非常关注，尤其是手写阿拉伯文，如果您有使用过在这方面表现优异的模型的经验，也欢迎分享。谢谢！