GOT-OCR v2
Free.ai
·
ocr
·
~500 សញ្ញាសម្គាល់ក្នុងមួយ page
GOT-OCR v2 គឺ a ម៉ូដែល OCR ។ ផ្លូវតាមរយៈម៉ូដែលខាងក្រៅ - ~500 សញ្ញា ទំព័រនីមួយៗ (50% តម្លៃលើតម្លៃឡើង) ។
សំណួរដែលសួរញឹកញាប់
GOT-OCR v2 ដកអត្ថបទពីរូបភាពនិង PDFs ។ ផ្ទុកឡើងទំព័រដែលបានស្កេនមួយ, រូបថតអេក្រង់, ឬរូបថតនៃឯកសារនិង GOT-OCR v2 ត្រឡប់អត្ថបទ - ការរក្សាទុកការឈប់បន្ទាត់និង (លើម៉ាស៊ីនដែលអាច) តារាងរូបមន្តនិងរចនាសម្ព័ន្ធ ។
GOT-OCR v2 គ្រប់គ្រងស្គ្រីបរាប់ពាន់ - ឡាតាំង, ស៊ីរីលីក, CJK, អារ៉ាប់, Devanagari និងច្រើនទៀត ។ ចុះចត / ocr / មានបញ្ជីភាសាពេញលេញក្នុងម៉ាស៊ីន ។
បាទ/ ចាស សម្រាប់ ស្អាត បោះពុម្ព រចនាប័ទ្ម សរសេរ ដៃ ខ្លី និង shorthand គឺ ពិបាក ។ TrOCR និង ម៉ាស៊ីន បច្ចុប្បន្ន ផ្អែក លើ ឧបករណ៍ បំលែង គឺ ល្អ ជាង ចាស់ Tesseract លើ សរសេរ ដៃ ។
ម៉ាស៊ីនដែលដឹងអំពីប្លង់ (GOT-OCR, Marker, Florence-2) ត្រឡប់ Markdown/ HTML តារាង និង LaTeX សម្រាប់រូបមន្ត ។ ម៉ាស៊ីនអត្ថបទធម្មតាត្រឡប់អត្ថបទដោយគ្មានរចនាសម្ព័ន្ធ - ពិនិត្យមើលរបៀបលទ្ធផលរបស់ម៉ូដែលនេះ ។
GOT-OCR v2 គឺជាម៉ាស៊ីន OCR ប្រាក់រង្វាន់។ អំពី ~ 500-1,500 សញ្ញាក្នុងមួយទំព័របានបង្ហាញជាបន្តផ្ទាល់មុនពេលអ្នកបង្កើត។ OCR ដែលបានរៀបចំដោយខ្លួនឯងរត់ដោយឥតគិតថ្លៃនៅលើទឹកកកប្រចាំថ្ងៃរបស់អ្នក 30,000 សញ្ញា; ម៉ូដែលប្រាក់រង្វាន់គឺបង់ប្រាក់ដូចដែលអ្នកទៅ, ជាមួយនឹងការបន្ថែមពី $1 ។
PNG, JPG, WebP, HEIC, BMP, បន្ថែមពីលើទំព័រ PDF មួយនិងច្រើនទំព័ររហូតដល់ 50 MB ។ ទំព័រដែលច្រឹបឬបង្វិលត្រូវបានកែដោយស្វ័យប្រវត្តិមុនពេលស្រង់ចេញ។
ភាពត្រឹមត្រូវតួអក្សរជាធម្មតាគឺ> 98% លើទំព័របោះពុម្ពស្អាត ធ្លាក់លើរូបថតកម្រិតទាប ស្កេនដែលមានភាពច្របូកច្របល់ខ្លាំង ឬពុម្ពអក្សរមិនធម្មតា ។ ធៀបម៉ាស៊ីនលើ / ocr / ធៀប / ពេលភាពត្រឹមត្រូវសំខាន់ ។
បាទ - / batch / ទទួលយកថតរូបភាព / PDFs ។ ការស្រង់ចេញនីមួយៗស្ថិតនៅក្នុង / account /? tab=history ។ សម្រាប់ថត- មែកធាងរក្សាទុកប្រើ API ។
បាទ - POST ឯកសាររបស់អ្នកទៅ / v1 / ocr / ជាមួយ model=" GOT-OCR v2 "។ ត្រឡប់ JSON ជាមួយអត្ថបទ + (នៅពេលគាំទ្រ) ប្លង់ + ប្រអប់កម្រិតពាក្យដែលកំណត់. / api / មានសេចក្ដីយោងពេញលេញ.
ម៉ូដែលដែលបានរៀបចំដោយខ្លួនឯងរក្សាឯកសាររបស់អ្នកនៅលើ GPUs របស់យើង ប្រាក់ចំណូលឆ្លងកាត់ជាមួយនឹង DPA ។ ឯកសារត្រូវបានលុបបន្ទាប់ពីបង្អួចចែករំលែក ។ យើងមិនបណ្តុះបណ្តាលលើការបញ្ចូលរបស់អ្នកទេ ។
បាទ/ ចាស - Free.ai អនុញ្ញាតឲ្យប្រើអត្ថបទដែលបានស្រង់ចេញជាពាណិជ្ជកម្ម ។ អ្នកត្រូវការសិទ្ធិឯកសារប្រភព ។
1-5 វិនាទីក្នុងមួយទំព័រជាធម្មតា។ ម៉ាស៊ីនដែលដឹងអំពីប្លង់ (តារាងគណិតវិទ្យា) ចំណាយពេលយូរជាង។ ទំព័រ PDF ច្រើនទំព័រធ្វើមាត្រដ្ឋានយ៉ាងជិតស្និទ្ធ។