GOT-OCR v2
Free.ai
·
ocr
·
~500 token/s page
GOT-OCR v2 an OCR modeloa da. Kanpoko ereduen bidez bideratuta — ~500 tokens orrialde bakoitzeko (%50eko markup-a goiko kostua baino).
Erabili API bidez
OpenAI-rekin bateragarria den REST APIa. Sortu gako bat eta deitu eredu honi segundo gutxitan.
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"}'Maiz egiten diren galderak
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-k dozenaka idazkera kudeatzen ditu — latina, zirilikoa, CJK, arabiera, Devanagari eta beste batzuk. /ocr/ helmuga-orrian motor bakoitzeko hizkuntza-zerrenda osoa dago.
Bai, eskuz idatzitako estilo garbirako; kurtsiboa eta laburdura zailagoak dira. TrOCR eta transformadoreetan oinarritutako motor modernoak nabarmen hobeak dira eskuz idatzita Tesseract zaharra baino.
Diseinua kontuan hartzen duten motorrek (GOT-OCR, Marker, Florence-2) Markdown/HTML taulak eta LaTeX itzultzen dituzte formulen kasuan. Testu arrunteko motorrek egiturarik gabeko testua itzultzen dute — egiaztatu eredu honen irteera-modua.
GOT-OCR v2 OCR motor premium bat da. ~500-1.500 token inguru orri bakoitzeko. $1 = 750.000 token.
PNG, JPG, WebP, HEIC, BMP, eta orri bakarreko eta orri anitzeko PDFak, 50 MB-ra arte. Orri okerrak edo biratutakoak automatikoki zuzentzen dira erauzteko.
Karaktereen zehaztasuna %98 baino handiagoa da inprimatutako orri garbietan, bereizmen baxuko argazkietan, eskaneatze oso okerretan edo ohiko ez diren letra-tipoetan. Konparatu /ocr/compare/-ko motorrak zehaztasuna garrantzitsua denean.
Bai — /batch/-ek irudi/PDF karpeta bat onartzen du. Erauzketa bakoitza /account/?tab=history-n bukatzen da. Karpeta-zuhaitza gordetzeko, erabili APIa.
Bai — POST zure fitxategia /v1/ocr/-ra model="GOT-OCR v2" erabiliz. JSON itzultzen du testuarekin + (onartzen denean) diseinua + hitz-mailako muga-laukiak. /api/-k erreferentzia osoa du.
Auto-ostatutako modeloek zure fitxategia gure GPUetan gordetzen dute; premium-ek DPA bidez pasatzen dute. Dokumentuak partekatze-leihoaren ondoren ezabatzen dira. Ez dugu zure sarrerak entrenatzen.
Bai — Free.ai-k erauzitako testua erabiltzeko baimena ematen du. Iturburu-dokumentuaren eskubideak behar dituzu.
1-5 segundo orrialde bakoitzeko. Diseinua kontuan hartzen duten motorrek (taulak, matematika) denbora gehiago behar dute. Orrialde anitzeko PDFak gutxi gorabehera linealki eskalatzen dira.