Florence-2 Large
Free.ai (self-hosted)
·
ocr
·
~300 ٽوڪنز page
Florence-2 Large an OCR ماڊل Microsoft طرفان ٺاھيو ويو آھي. Complex document understanding, region-grounded OCR. تي تمام مضبوط. Free.ai GPUs تي پاڻمرادو ميزبان - توهان جي روزاني ٽوڪين پول (300 ٽوڪين صفحو) جي خلاف مفت هلندو آهي. MIT تحت جاري ڪيو ويو - تجارتي استعمال Free.ai تي اجازت ڏني وئي.
API ذريعي استعمال ڪريو
OpenAI-compatible REST API. هڪ ڪُل پيدا ڪريو ۽ ھن ماڊل کي سيڪنڊن ۾ سڏيو.
curl -X POST https://api.free.ai/v1/ocr/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"florence-2","prompt":"your prompt here"}'گھڻا پڇيل سوال
Florence-2 Large تصويرن ۽ PDFs مان متن ڪڍي ٿو. هڪ اسڪين ٿيل صفحو، اسڪرين شاٽ، يا دستاويز جو فوٽو اپ لوڊ ڪريو ۽ Florence-2 Large متن موٽائي ٿو - لائين ٽوڙڻ ۽ (ممكن انجنن تي) ٽيبل، فارمولا، ۽ ساخت محفوظ ڪري ٿو.
Florence-2 Large ٽنگن جا لکت جا ڪم ڪري ٿو - لاٽني، سريليڪ، CJK، عربي، ديوانگري، ۽ وڌيڪ. /ocr/ landing ۾ هر انجن لاءِ مڪمل ٻولين جو سٽون آهي.
ھائو صاف پرنٽ ٿيل-شڪل جي هٿ نگاريءَ لاءِ؛ ڪرسيءَ ۽ مختصر هٿ نگاريءَ لاءِ وڌيڪ ڏکيو. TrOCR ۽ جديد ٽرانسميٽر-آسان انجنيئر هٿ نگاريءَ تي لائف ٽيسيراڪٽ کان وڌيڪ بهتر آهن.
ترتيب-سڃاڻپ ڪندڙ انجن (GOT-OCR, Marker, Florence-2) Markdown/HTML ٽيبل ۽ LaTeX فارمولا موٽائي ٿو. عام-تبصرو انجن بغير ٺاھ جي متن موٽائي ٿو - ھن ماڊل جي خروجي موڊ کي چيڪ ڪريو.
Florence-2 Large اسان جي روزاني مفت پول مان اسان جي GPUs تي هلندو آهي؛ $5 → 200,000 ادا ڪيل ٽوڪنز کانپوءِ. ~300 ٽوڪنز هر صفحي تي.
PNG، JPG، WebP، HEIC، BMP، plus single- ۽ multi-page PDFs 50 MB تائين. ڦاٽل يا ڦيرايل صفحا ڦاٽڻ کان اڳ پاڻمرادو درست ڪيا ويندا.
ڪارٽون جي درستگي عام طور تي صاف پرنٽ ٿيل صفحن تي >98% آهي، گهٽ-ريسوليشن فوٽو، سخت ڦيرڦار ٿيل اسڪين يا غير معمولي فونٽس تي ڦاٽڻ. /ocr/compare/ تي انجينين جي مقابلي ڪريو جڏھن درستگي اهميت رکي.
ھائو - /batch/ تصويرن/PDFs جو هڪ فولڊر قبول ڪري ٿو. هر هڪ ڪڍڻ /account/?tab=history ۾ لھندو آھي. فولڊر-وڻ جي سنڀال لاءِ API استعمال ڪريو.
ھائو - پنھنجي فائل کي /v1/ocr/ ۾ POST ڪريو ماڊل ="Florence-2 Large" سان. JSON سان متن + (جيڪڏھن مدد ڏنل آھي) ترتيب + لفظ-پائيدار حد بندي بڪس سان واپس ڪري ٿو. /api/ ۾ پورو حوالو آھي.
پاڻ کي ميزبان ماڊل پنھنجو فائل اسان جي GPUs تي رکيو; پريميئم DPA سان گذري ٿو. دڪان جي ونڊو جي ورهاست کان پوءِ دڪان ختم ڪيا ويندا. اسان توھان جي داخلين تي تربيت نه ڪندا آھيون.
ھائو - Free.ai ڪڍيل متن جو واپاري استعمال ڏئي ٿو. توھان کي مرڪزي دڪان جا حق گھرجن.
1-5 سيڪنڊن جو هر صفحو عام طور. ترتيب-سڃاڻپ ڪندڙ انجنيئر (ٽيبل، حساب) وڌيڪ وقت وٺن ٿا. ڪيترن صفحن وارو PDFs تقريبن لائينري طور تي ماپيندا آھن.