PaddleOCR-VL
Free.ai (self-hosted)
·
ocr
·
~300 Токендер page
PaddleOCR-VL - a ОЧК модели, PaddlePaddle тарабынан курулган. Fast multilingual image / scan to Markdown; tables, formulas, charts; 109 languages. боюнча эң күчтүү. Free.ai ГПУда өзүнчө жайгаштырылган — сиздин күн сайынгы токендердин пулу менен акысыз иштей алат (300 токендер бет). Apache 2.0 лицензиясы менен чыгарылган - коммерциялык колдонууга Free.ai лицензиясы менен уруксат берилген.
API аркылуу колдонуу
OpenAI-ка ылайыктуу REST API. Ачкычтарды генерациялоо жана бул моделди секундаларда чакыруу.
curl -X POST https://api.free.ai/v1/ocr/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"paddleocr-vl","prompt":"your prompt here"}'Кайра-кайра берилүүчү суроолор
PaddleOCR-VL сүрөттөрдөн жана PDF файлдардан текстти чыгарат. Скандалашкан бетти, экран сүрөтүн же документтин сүрөтүн жүктөп алыңыз, PaddleOCR-VL текстти кайтарат - саптын жаңыруусу жана (кабыл алынган кыймылдаткычтарда) таблицалар, формулалар жана структуралар сакталат.
PaddleOCR-VL бир нече скрипттерди колдойт - латын, кирилл, CJK, араб, деванагари жана башкалар. /ocr/ Landing Page-де ар бир мотордун толук тилдер тизмеси бар.
Да, если вы хотите, чтобы печать была чистой; курсив и краткая рукопись труднее. TrOCR и современные трансформаторы, основанные на движке, значительно лучше, чем Tesseract.
Планировканы эске алган моторлор (GOT-OCR, Marker, Florence-2) Markdown/HTML таблицаларын жана формулалар үчүн LaTeXти кайтарат. Тексттик моторлор структурасыз текстти кайтарат - бул моделдин чыгуу режимин текшериңиз.
PaddleOCR-VL биздин GPUs биздин күн сайын акысыз топтомунан иштейт; $5 → 200,000 төлөнгөн токендер кийин. ~300 токендер бир бет.
PNG, JPG, WebP, HEIC, BMP, plus one- and multi-page PDFs up to 50 MB. Свернутые или повернутые страницы автоматически исправляются перед извлечением.
Символдорду тактыгы таза басылган беттерде, төмөн резолюциядагы сүрөттөрдө, өтө катаал сканерлерде же адаттагы эмес ариптерде >98% түзөт. Эгерде тактык маанилүү болсо, /ocr/compare/ деген жердеги салыштыруу тутумдарын колдонуп көрүңүз.
Да - /batch/ принимает папку с изображениями/PDF. Каждый раз, когда файл извлекается, он попадает в /account/?tab=history. Для сохранения папок используйте API.
Да - файлды /v1/ocr/'ге POST кылыңыз, model="PaddleOCR-VL" менен. JSON текст + (колдонулганда) план + сөз деңгээлиндеги чектөө кутучалары менен кайтарылат. /api/ толук шилтемени камтыйт.
Өзүнөн-өзү иштей турган моделдер файлды биздин графикалык процессордо сактайт; премиум моделдер DPA менен өткөрүп берет. Документтер бөлүшүү терезеси ачылгандан кийин өчүрүлөт. Биз сиздин киргизүүңүздү үйрөнбөйбүз.
Да - Free.ai извлеченный текст коммерчески использовать разрешает. Вам нужно иметь права на источник документа.
Бир бетке 1-5 секунда. Схемаларды эске алган двигатели (таблицалар, математика) көбүрөөк убакытты талап кылат. Бир нече беттүү PDF файлдары болжол менен линейдик масштабда болот.