GOT-OCR v2
Free.ai
·
ocr
·
~500 tokens por page
GOT-OCR v2 é a Modelo de OCR. Enrutado a través de modelos externos - ~500 tokens por páxina (50% de markup sobre o custo ascendente).
Usar a API
API REST compatíbel con OpenAI. Xere unha chave e chame a este modelo en segundos.
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"}'Preguntas frecuentes
GOT-OCR v2 extrae texto de imaxes e PDF. Sube unha páxina dixitalizada, unha captura de pantalla ou unha foto dun documento e GOT-OCR v2 devolve o texto, conservando os saltos de liña e (nos motores capaces) as táboas, as fórmulas e a estrutura.
GOT-OCR v2 manexa decenas de escritura: latina, cirílica, CJK, árabe, devanágari e máis. En /ocr/ tes a lista completa de idiomas de cada motor.
Si para a letra manuscrita limpa, de tipo impreso; a cursiva e a taquigrafía son máis difíciles. TrOCR e os motores modernos baseados en transformers son claramente mellores ca o Tesseract clásico coa letra manuscrita.
Os motores que len o deseño (GOT-OCR, Marker, Florence-2) devolven táboas en Markdown/HTML e LaTeX para as fórmulas. Os motores de texto plano devolven texto sen estrutura: mira o modo de saída deste modelo.
GOT-OCR v2 é un motor de OCR premium. Unos ~500-1,500 tokens por páxina, que se mostran en directo antes de xerar. O OCR autoaloxado funciona gratis co teu pool diario de 30,000 tokens; os modelos premium son de pago por uso, con recargas desde $1.
PNG, JPG, WebP, HEIC, BMP, ademais de PDF dunha ou varias páxinas de ata 50 MB. As páxinas torcidas ou xiradas corríxense automaticamente antes da extracción.
A precisión por carácter adoita ser >98% en páxinas impresas limpas, e baixa con fotos de baixa resolución, dixitalizacións moi torcidas ou tipos de letra pouco habituais. Compara motores en /ocr/compare/ cando a precisión importe.
Si, /batch/ acepta un cartafol de imaxes/PDF. Cada extracción aparece en /account/?tab=history. Para conservar a árbore de cartafoles, usa a API.
Si, envía o teu ficheiro por POST a /v1/ocr/ con model="GOT-OCR v2". Devolve JSON con texto e (cando se admite) deseño e caixas delimitadoras a nivel de palabra. En /api/ tes a referencia completa.
Os modelos autoaloxados manteñen o teu ficheiro nas nosas GPU; os premium envíanse a terceiros cun DPA. Os documentos bórranse despois do prazo de compartición. Non adestramos con nada do que envíes.
Si, Free.ai concede uso comercial do texto extraído. Necesitas ter os dereitos do documento orixinal.
Normalmente de 1 a 5 segundos por páxina. Os motores que len o deseño (táboas, matemáticas) tardan máis. Os PDF de varias páxinas escalan máis ou menos de forma lineal.