PaddleOCR-VL
Free.ai (self-hosted)
·
ocr
·
~300 సూచనలు page
PaddleOCR-VL is an OCR నమూనా built by PaddlePaddle. Fast multilingual image / scan to Markdown; tables, formulas, charts; 109 languages. వద్ద బలప్రకాశం. Free.ai GPUs పై స్వయం-హోస్ట్ చేయబడినది — మీ రోజువారీ టోకెన్ పూల్ (300 టోకెన్లు ఒక్కో పేజీకు) పై ఉచితంగా నడుస్తుంది. Released under Apache 2.0 - commercial use permitted on Free.ai.
API ద్వారా వుపయోగించుము
OpI- సారూప్యమైన RAPI. కీ సృష్టించి ఈ మాదిరిని సెకనులనందు కాల్.
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"}'ప్రశ్నలు
PaddleOCR-VL extracts text from images and PDFs. Upload a scanned page, a screenshot, or a photo of a document and PaddleOCR-VL returns the text - preserving line breaks and (on capable engines) tables, formulas, and structure.
PaddleOCR-VL handles dozens of scripts - Latin, Cyrillic, CJK, Arabic, Devanagari, and more. The /ocr/ landing has the full language list per engine.
అవును, శుభ్రంగా ముద్రించిన పటం కావ్యచిత్రపు మరియు చిన్న చేతిని గట్టిగా చేస్తుంది. TrOCR మరియు ఆధునిక ఆధారిత రూపాంతరం ఆధారిత ఇంజన్లు వ్రాతపూర్వక టెస్సెరాక్ ను వ్రైట్స్ కంటే స్పష్టంగా వుద్భవం.
Layout-aware engines (GOT-OCR, Marker, Florence-2) return Markdown/HTML tables and LaTeX for formulas. Plain-text engines return text without structure - check this model's output mode.
PaddleOCR-VL runs on our GPUs from your daily free pool; $5 → 200,000 paid tokens after. ~300 tokens per page.
PNG, JPG, వెబ్పోజి, బిఐసి, బిఎంబి, మరియు ఒక MB మరియు బహుళ- పేజీల న 50 MB ను పైకి. ఎడిస్టిక్లు విస్మరించిన లేదా స్క్వాడ్ పేజీలు వుండదు ముందు స్వయంచాలకంగా సరిచేయబడతాయి.
Character accuracy is typically >98% on clean printed pages, dropping on low-res photos, severely skewed scans, or unusual fonts. Compare engines on /ocr/compare/ when accuracy matters.
అవును /bautch/ PDFs లోని ప్రతి ఎగుబడి దేశము /CACT/CAPFs. /tab=hift. file-remouse file కొరకు API వుపయోగిస్తోంది.
Yes - POST your file to /v1/ocr/ with model="PaddleOCR-VL". Returns JSON with text + (when supported) layout + word-level bounding boxes. /api/ has the full reference.
సొంతగా నిర్వహించిన మాంత్రికులు మా GPUS; ఒక DPA తో మొత్తం దాటిపోతుంది. పత్రాలు కరెంట్ తరువాత తీసివేయబడతాయి. మేము మీ ఇన్పుట్లలో ట్రైన్ కాదు.
అవును, ఉద్ఘాటించిన మూలపాఠాన్ని వాణిజ్యపరంగా Free.ai అందజేస్తుంది.
సాధారణంగా పేజీకు 1-5 సెకనులు. నమూనా-నిరూపణ యంత్రాలు (ఆశ్చర్యాలు, గణితం) ఎక్కువ పడుతుంది. బహుళ- పేజీలు PDFలు సరళంగా.