GOT-OCR v2
Free.ai
·
ocr
·
~500 टोकन प्रति page
GOT-OCR v2 हे an आहे OCR नमूना. Routed through external models — ~500 tokens प्रति पान (50% markup over upstream cost).
API द्वारे वापरा
OpenAI-सुसंगत REST API. किल्ली निर्माण करा व सेकंदांमध्ये हे मॉडेल कॉल करा.
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"}'
API दस्तऐवजीकरण
API कि प्राप्त करा
वारंवार विचारले जाणारे प्रश्न
GOT-OCR v2 प्रतिमा व PDFs पासून पाठ्य काढून घेते. स्कॅन केलेले पान, स्क्रीनशॉट किंवा दस्तऐवजाचे छायाचित्र अपलोड करा व GOT-OCR v2 पाठ्य परत करतो — ओळीचे ब्रेक आणि (सक्षम इंजिनवर) तक्ता, सूत्रे व रचना संरक्षित करते.
GOT-OCR v2 अनेक स्क्रिप्ट हाताळते - लॅटिन, सिरिलिक, CJK, अरबी, देवनागरी, आणि अधिक. /ocr/ landing मध्ये प्रत्येक इंजिनसाठी पूर्ण भाषा यादी आहे.
मुद्रित शैलीतील शुद्ध हस्तलिखितासाठी होय; कर्सीव्ह आणि शॉर्टहँड कठीण आहेत. TrOCR आणि आधुनिक ट्रान्सफॉर्मर-आधारित इंजिने हस्तलिखितावर लेगसी टेसेराक्ट्सपेक्षा चांगली आहेत.
लेआऊट-जाणणारे इंजिन (GOT-OCR, Marker, Florence-2) फॉर्म्युलासाठी मार्कडाउन/HTML टेबल व LaTeX परत करतात. सादा-पाठ्य इंजिन स्थापत्य विना पाठ्य परत करते - या नमुन्याचा आऊटपुट मोड तपासा.
GOT-OCR v2 हे प्रीमियम OCR इंजिन आहे. प्रत्येक पानावर ~500-1,500 टोकन, तुम्ही निर्माण करण्यापूर्वी प्रत्यक्ष दर्शविले जाते. स्वतः-होस्ट केलेले OCR तुमच्या 30,000-टोकन दैनंदिन पूलवर मोफत चालते; प्रीमियम मॉडेल वापरण्याकरीता मोजावे लागते, $1 पासून टॉप-अपसह.
PNG, JPG, WebP, HEIC, BMP, आणि एक किंवा अनेक पानांचे 50 MB पर्यंतचे PDF. स्केवेड किंवा फिरविलेले पान काढण्यापूर्वी स्वतः सुधारले जाते.
मुद्रित पानांवर अक्षरांची अचूकता साधारणपणे >९८% असते, कमी-रिझोल्यूशन छायाचित्रांवर पडणे, गंभीरपणे विचलित स्कॅन, किंवा असामान्य फॉन्ट. /ocr/compare/ वरील इंजिन तुलना करा जेव्हा अचूकता महत्वाची असते.
होय — /batch/ प्रतिमा/PDFs चे संचयीका स्वीकारते. प्रत्येक एक्सट्रॅक्शन /account/?tab=history मध्ये उतरते. संचयीका-वृक्ष संवर्धनासाठी API चा वापर करा.
Yes - POST your file to /v1/ocr/ with model="GOT-OCR v2". Returns JSON with text + (when supported) layout + word-level bounding boxes. /api/ has the full reference.
स्वतः-होस्ट मॉडेल आपल्या फाइल आपल्या GPU वर ठेवतात; प्रीमियम DPA सह पार पडतात. दस्तऐवज शेअर-विंडो नंतर काढून टाकले जातात. आम्ही तुमच्या इनपुट वर प्रशिक्षण देत नाही.
होय — Free.ai एक्सट्रॅक्ट केलेले पाठ्यचा व्यावसायिक वापर करीता परवानगी देतो. तुम्हाला स्त्रोत दस्तऐवज करीता अधिकार आवश्यक आहेत.
साधारणपणे प्रत्येक पानासाठी 1-5 सेकंद. लेआऊट-जाणणारे इंजिन (तालिका, गणित) जास्त वेळ घेते. बहु-पान PDFs अंदाजे रेखीयरित्या आकारात वाढ करतात.