GOT-OCR v2
Free.ai
·
ocr
·
~500 Prometium page
GOT-OCR v2 is an Optiese karakter herkenning model. Routed through external models - ~500 tokens per bladsy (50% markup over upstream cost).
Gebruik via API
OpenAI- versoenbaar met REST API. Genereer 'n sleutel en noem hierdie model in sekondes.
curl -X POST https://api.free.ai/v1/ocr/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"premium/got-ocr/v2","prompt":"your prompt here"}'Vrae wat dikwels gevra word
GOT-OCR v2 extracts text from images and PDFs. Upload a scanned page, a screenshot, or a photo of a document and GOT-OCR v2 returns the text - preserving line breaks and (on capable engines) tables, formulas, and structure.
GOT-OCR v2 hanteer tientalle skripte - Latyn, Cyrillies, CJK, Arabies, Devanagari, en nog meer. Die /ocr/ landing het die volledige taal lys per enjin.
Ja vir skoon print- style handskrif; kursief en korthand is moeiliker. TrOCR en moderne transformator-gebaseerde enjins is merkbaar beter as erfenis Teserakt op handskrif.
Uitleg-aware enjins (GOT-OCR, Marker, Florence-2) gee terug Markdown/HTML tabelle en LaTeX vir formules. Eenvoudige- text enjins keer teks terug sonder om hierdie model se uitsetmodus te merk.
GOT-OCR v2 is a premium OCR engine. About ~500-1,500 tokens per page, shown live before you generate. Self-hosted OCR runs free on your 30,000-token daily pool; premium models are pay-as-you-go, with top-ups from $1.
PNG, JPG, WebP, HEC, BMP, plus enkel- en multibladsy PDFe tot 50 mb. Gewewed of roterende bladsye word outo-regeer voor jy uittrek.
Karakter akkuraatheid is tipies >98% op skoon gedrukte bladsye, wat op laag-res foto's val, erg verskluipde skandering, of ongewone lettertipes. Vergelyk enjins op /cor/comeare/ wanneer akkuraatheid sake.
Ja - /bchch/ aanvaar 'n gids van beelde/DFs. Elke ontginning lande in /accote /?tab=historie. Vir kabinet- boom bewaar gebruik die API.
Ja - POST jou lêer na /v1/okr/ met model="GOT-OCR v2". Resnoer JSON met teks + (wanneer ondersteunde) uitleg + woord-vlak gebindde bokse. /api/ het die volledige verwysing.
Self-geënaarde modelle hou jou lêer op ons GPUs; premasie deur met 'n DPA. Dokumente word uitgevee na die deel-venster. Ons oefen nie op jou invoere nie.
Ja - Free.ai gee kommersiële gebruik van onttrekde teks. Jy het regte nodig aan die brondokument.
1- 5 sekondes per bladsy tipies. Uitleg-' nware enjins (tables, wiskunde) neem langer. Multi-bladsy PDFe skaal min of meer lineêr.