TrOCR Base
Free.ai (self-hosted)
·
ocr
·
~300 প্রতি page
TrOCR Base হল an OCR মডেল Microsoft দ্বারা নির্মিত। সবচেয়ে শক্তিশালী Handwritten documents, low-resource scripts.. Free.ai GPUs-এ স্ব-হোস্ট করা - আপনার দৈনিক টোকেন পুলের বিরুদ্ধে বিনামূল্যে চলছে (300 টোকেন প্রতি পৃষ্ঠা)। MIT লাইসেন্সের অধীনে প্রকাশিত - বাণিজ্যিক ব্যবহারের অনুমতি Free.ai লাইসেন্সের অধীনে।
API ব্যবহার করো
OpenAI-সমর্থিত REST API। একটি কী তৈরি করুন এবং সেকেন্ডের মধ্যে এই মডেলটি কল করুন।
curl -X POST https://api.free.ai/v1/ocr/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"trocr-base","prompt":"your prompt here"}'প্রায়শ জিজ্ঞাসিত প্রশ্ন
TrOCR Base ছবি এবং PDF থেকে টেক্সট এক্সট্র্যাক্ট করে। স্ক্যান করা পৃষ্ঠা, স্ক্রিনশট, অথবা নথির একটি ছবি আপলোড করুন এবং TrOCR Base টেক্সট ফিরিয়ে দেবে - লাইন ব্রেক এবং (সক্ষম ইঞ্জিন) টেবিল, সূত্র এবং গঠন সংরক্ষণ করে।
TrOCR Base ডজনখানেক স্ক্রিপ্ট পরিচালনা করে - ল্যাটিন, সিরিলিক, CJK, আরবি, দেভানাগারি, এবং আরও অনেক কিছু। /ocr/ ল্যান্ডিং ইঞ্জিন প্রতি পূর্ণ ভাষা তালিকা আছে।
পরিষ্কার মুদ্রণ-শৈলীর হাতের লেখার জন্য হ্যাঁ; কার্সিভ এবং শর্টকাট লেখা কঠিন। TrOCR এবং আধুনিক ট্রান্সফরমার-ভিত্তিক ইঞ্জিনগুলি হাতের লেখার ক্ষেত্রে পুরোনো Tesseract-এর চেয়ে উল্লেখযোগ্যভাবে ভাল।
বিন্যাস-সচেতন ইঞ্জিন (GOT-OCR, Marker, Florence-2) Markdown/HTML টেবিল এবং সূত্রের জন্য LaTeX ফিরিয়ে দেয়। প্লেইন-টেক্সট ইঞ্জিন গঠনবিহীন টেক্সট ফিরিয়ে দেয় - এই মডেলের আউটপুট মোড পরীক্ষা করুন।
TrOCR Base আমাদের জিপিইউতে আপনার দৈনিক ফ্রি পুল থেকে চালিত হয়; $৫ → ২০০,০০০ পেমেন্ট টোকেন পরে। ~৩০০ টোকেন প্রতি পৃষ্ঠা।
PNG, JPG, WebP, HEIC, BMP, এবং একক এবং মাল্টি-পেজ PDFs ৫০ মেগাবাইট পর্যন্ত। ঝুঁকিপূর্ণ বা ঘুরানো পৃষ্ঠাগুলি এক্সট্র্যাক্ট করার আগে স্বয়ংক্রিয়ভাবে সংশোধন করা হয়।
অক্ষর সঠিকতা সাধারণত >৯৮% পরিষ্কার মুদ্রণ পৃষ্ঠা, কম-রেজোলিউশন ছবি, গুরুতরভাবে বিকৃত স্ক্যান, অথবা অসাধারণ ফন্টে ড্রপ। সঠিকতা গুরুত্বপূর্ণ হলে /ocr/compare/ এ তুলনা ইঞ্জিন তুলনা করুন।
হ্যাঁ - /batch/ ছবি/PDF-এর ফোল্ডার গ্রহণ করে। প্রত্যেক এক্সট্র্যাক্ট /account/?tab=history-এ অবস্থিত হয়। ফোল্ডার-ট্রী সংরক্ষণের জন্য API ব্যবহার করুন।
হ্যাঁ - আপনার ফাইল /v1/ocr/ এ POST করুন model="TrOCR Base" ব্যবহার করে। JSON ফিরিয়ে দেয় টেক্সট + (সমর্থিত হলে) বিন্যাস + শব্দ-স্তরের সীমাবদ্ধ বাক্স সহ। /api/-এ সম্পূর্ণ রেফারেন্স রয়েছে।
স্ব-হোস্টকৃত মডেলগুলি আপনার ফাইলগুলি আমাদের GPU-তে রাখে; প্রাইম ডিপিএ-র মাধ্যমে প্রবেশ করে। শেয়ার-উইন্ডোর পরে নথিগুলি মুছে ফেলা হয়। আমরা আপনার ইনপুটগুলিতে প্রশিক্ষণ দিই না।
হ্যাঁ - Free.ai এক্সট্র্যাক্ট করা টেক্সট বাণিজ্যিকভাবে ব্যবহার করার অনুমতি দেয় । আপনার উৎস নথির অধিকার প্রয়োজন ।
সাধারণত প্রতি পৃষ্ঠা ১-৫ সেকেন্ড। বিন্যাস-সচেতন ইঞ্জিন (ট্যাবল, গণিত) বেশি সময় নেয়। বহু-পৃষ্ঠার PDF-এর স্কেল প্রায় লাইনগত।