Florence-2 Large
Free.ai (self-hosted)
·
ocr
·
~300 រូបិយប័ណ្ណក្នុងមួយ page
Florence-2 Large គឺជា a ម៉ូដែល OCR ដែលបានសាងសង់ដោយ Microsoft ។ ខ្លាំងបំផុតនៅ Complex document understanding, region-grounded OCR. ។ ខ្លួនឯងបានរៀបចំនៅលើ Free.ai GPUs - រត់ដោយឥតគិតថ្លៃប្រឆាំងនឹងទឹកកាក់ប្រចាំថ្ងៃរបស់អ្នក (300 រូបិយប័ណ្ណ ទំព័រនីមួយៗ) ។ ចេញផ្សាយក្រោម MIT — ការប្រើពាណិជ្ជកម្មត្រូវបានអនុញ្ញាតនៅលើ Free.ai ។
សំណួរដែលសួរញឹកញាប់
Florence-2 Large ដកស្រង់អត្ថបទពីរូបភាពនិង PDFs ។ ផ្ទុកឡើងទំព័រដែលបានស្កេនមួយ រូបថតអេក្រង់ ឬរូបថតនៃឯកសារមួយ ហើយ Florence-2 Large ត្រឡប់អត្ថបទ - ការរក្សាទុកការឈប់បន្ទាត់និង (លើម៉ាស៊ីនដែលអាចធ្វើបាន) តារាង រូបមន្ត និងរចនាសម្ព័ន្ធ ។
Florence-2 Large គ្រប់គ្រងស្គ្រីបរាប់សិប — ឡាតាំង ស៊ីរីលីក CJK អារ៉ាប់ Devanagari និងច្រើនទៀត ។ ចំណុចប្រទាក់ / ocr / មានបញ្ជីភាសាពេញលេញក្នុងមួយម៉ាស៊ីន ។
បាទ/ ចាស សម្រាប់ការសរសេរដោយដៃរចនាប័ទ្មបោះពុម្ពស្អាត ខ្លី និងខ្លីគឺពិបាកជាង ។ TrOCR និងម៉ាស៊ីនដែលមានមូលដ្ឋានលើបម្លែងទំនើបគឺប្រសើរជាង Tesseract ចាស់លើការសរសេរដោយដៃ ។
ម៉ាស៊ីនដឹងប្លង់ (GOT-OCR, សញ្ញាសម្គាល់, Florence-2) ត្រឡប់ Markdown / តារាង HTML និង LaTeX សម្រាប់ រូបមន្ត ។ ម៉ាស៊ីនអត្ថបទធម្មតា ត្រឡប់អត្ថបទដោយគ្មានរចនាសម្ព័ន្ធ — ពិនិត្យមើលរបៀបលទ្ធផលរបស់ម៉ូដែលនេះ ។
Florence-2 Large រត់នៅលើ GPUs របស់យើងពីទឹកដោះគោឥតគិតថ្លៃប្រចាំថ្ងៃរបស់អ្នក; $5 → 200,000 រូបិយប័ណ្ណដែលបានបង់ប្រាក់បន្ទាប់ពី. ~300 រូបិយប័ណ្ណក្នុងមួយទំព័រ.
PNG, JPG, WebP, HEIC, BMP, បន្ថែមពីលើទំព័រ PDF មួយនិងច្រើនទំព័ររហូតដល់ 50 MB ។ ទំព័រដែលបង្វិលឬបង្វិលត្រូវបានកែដោយស្វ័យប្រវត្តិមុនពេលស្រង់ចេញ។
ភាពត្រឹមត្រូវតួអក្សរជាធម្មតាគឺ> 98% លើទំព័របោះពុម្ពស្អាត ធ្លាក់ចុះលើរូបថតកម្រិតពន្លឺទាប ការស្កេនដែលមានភាពខុសគ្នាខ្លាំង ឬពុម្ពអក្សរមិនធម្មតា ។ ប្រៀបធៀបម៉ាស៊ីនលើ / ocr / compare / នៅពេលដែលភាពត្រឹមត្រូវសំខាន់ ។
បាទ — / batch / ទទួលយកថតរូបភាព / PDFs. ការស្រង់ចេញនីមួយៗចុះចតនៅក្នុង / account /? tab = ប្រវត្តិ. សម្រាប់ថត-មែកធាងរក្សាទុកប្រើ API.
បាទ — POST ឯកសាររបស់អ្នកទៅ /v1/ocr/ ជាមួយ model="Florence-2 Large" ។ ត្រឡប់ JSON ជាមួយអត្ថបទ + (នៅពេលគាំទ្រ) ប្លង់ + ប្រអប់កំណត់កម្រិតពាក្យ ។ /api/ មានសេចក្ដីយោងពេញលេញ ។
ម៉ូដែលដែលបានរៀបចំដោយខ្លួនឯងរក្សាឯកសាររបស់អ្នកនៅលើ GPUs របស់យើង ប្រាក់រង្វាន់ឆ្លងកាត់ជាមួយនឹង DPA ។ ឯកសារត្រូវបានលុបបន្ទាប់ពីបង្អួចចែករំលែក ។ យើងមិនបណ្តុះបណ្តាលលើការបញ្ចូលរបស់អ្នកទេ ។
Yes — Free.ai grants commercial use of extracted text. You need rights to the source document.
1-5 វិនាទីក្នុងមួយទំព័រជាទូទៅ។ ម៉ាស៊ីនដែលដឹងអំពីប្លង់ (តារាងគណិតវិទ្យា) ចំណាយពេលយូរ។ ទំព័រ PDF ច្រើនទំព័រធ្វើមាត្រដ្ឋានយ៉ាងជិតស្និទ្ធ។