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).
Empregar a través da API
OpenAI-compatible REST API. Generate a key and call this model in seconds.
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 PDFs. Envie unha páxina dixitalizada, unha captura de pantalla ou unha foto dun documento e GOT-OCR v2 devolve o texto, preservando os saltos de liña e (en motores compatibles) táboas, fórmulas e estrutura.
GOT-OCR v2 __ xestiona ducias de escrituras: latín, cirílico, CJK, árabe, Devanagari e máis. O destino / ocr / ten a lista completa de linguas por motor.
Si para unha escrita limpa ao estilo impreso; a cursiva e a abreviatura son máis difíciles. TrOCR e os motores modernos baseados en transformadores son notablemente mellores que o Tesseract antigo para a escrita á man.
Os motores que teñen en conta a disposición (GOT-OCR, Marker, Florence-2) devolven táboas Markdown/HTML e LaTeX para fórmulas. Os motores de texto sinxelo devolven texto sen estrutura; comprobe o modo de saída deste modelo.
GOT-OCR v2 __ é un motor OCR premium. Cerca de ~ 500- 1. 500 tokens por páxina. $1 = 750. 000 tokens.
PNG, JPG, WebP, HEIC, BMP, máis PDFs de unha ou varias páxinas de ata 50 MB. As páxinas torcidas ou rotadas son corrixidas automaticamente antes de extraer.
A precisión dos caracteres é normalmente > 98% en páxinas limpas, caendo en fotos de baixa resolución, escaneos severamente distorsionados ou fontes inusuais. Compare motores en / ocr/ compare / cando a precisión sexa importante.
Si — / batch / acepta un cartafol de imaxes/ PDFs. Cada extracción atópase en / account /? tab=history. Para a preservación da árbore de cartafoles use a API.
Si — POST o seu ficheiro a / v1/ ocr / con model=" GOT-OCR v2 ". Devolve JSON con texto + (se está soportado) disposición + caixas delimitadoras a nivel de palabra. / api / ten a referencia completa.
Os modelos auto- hospedados manteñen o seu ficheiro nas nosas GPU; os modelos premium pasan a través dun DPA. Os documentos son eliminados despois da fiestra de compartición. Non adestramos coas súas entradas.
Si, Free.ai concede o uso comercial do texto extraído. Precisa dereitos sobre o documento de orixe.
1- 5 segundos por páxina normalmente. Os motores que teñen en conta a disposición (táboas, matemáticas) tardan máis. Os PDF de varias páxinas escalan aproximadamente linearmente.