TrOCR Base
Free.ai (self-hosted)
·
ocr
·
~300 tokens por page
TrOCR Base é a Modelo de OCR construído por Microsoft. Máis forte en Handwritten documents, low-resource scripts.. Auto-aloxado en Free.ai GPUs — executa libremente contra o seu conxunto de tokens diarios (300 tokens por páxina). Publicado baixo MIT - uso comercial permitido baixo Free.ai.
Usar a API
API REST compatíbel con OpenAI. Xere unha chave e chame a este modelo en segundos.
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"}'Preguntas frecuentes
TrOCR Base extrae texto de imaxes e PDFs. Envie unha páxina dixitalizada, unha captura de pantalla ou unha foto dun documento e TrOCR Base devolve o texto, preservando as quebras de liña e (nos motores que o permiten) táboas, fórmulas e estrutura.
TrOCR Base xestiona ducias de scripts: latino, cirílico, CJK, árabe, Devanagari e outros. O destino / ocr/ ten a lista completa de idiomas por motor.
Si para unha escrita a man de estilo impreso; a cursiva e a abreviatura son máis difíciles. TrOCR e os motores modernos baseados en transformadores son notablemente mellores que o Tesseract antigo para a escrita a man.
Os motores que recoñecen a disposición (GOT-OCR, Marker, Florence-2) devolven táboas Markdown/ HTML e LaTeX para fórmulas. Os motores de texto simple devolven texto sen estrutura - comprobe o modo de saída deste modelo.
TrOCR Base executase nas nosas GPUs do teu banco de GPUs libres diario; $5 → 200.000 tokens pagados despois. ~300 tokens por páxina.
PNG, JPG, WebP, HEIC, BMP, máis PDFs dunha ou varias páxinas de ata 50 MB. As páxinas torcidas ou rotadas son corrixidas automaticamente antes de extraer.
A precisión dos caracteres é normalmente > 98% en páxinas impresas limpas, caendo en fotos de baixa resolución, escaneos severamente torcidos ou fontes inusuais. Compare motores en / ocr/ compare / cando a precisión é importante.
Si - / batch / acepta un cartafol de imaxes/ PDFs. Cada extracción atópase en / account /? tab=history. Para preservar a árbore de cartafoles use a API.
Si - POST o seu ficheiro a / v1/ ocr / con model=" TrOCR Base ". Devolve JSON con texto + (se está soportado) disposición + caixas delimitadoras a nivel de palabra. / api / ten a referencia completa.
Os modelos auto- hospedados manteñen o seu ficheiro nas nosas GPU; os modelos premium pasan a través cun DPA. Os documentos son eliminados despois da fiestra de compartición. Non adestramos coas súas entradas.
Si, Free.ai concede o uso comercial do texto extraído. Precisa dereitos sobre o documento fonte.
Normalmente 1- 5 segundos por páxina. Os motores que teñen en conta a disposición (táboas, matemáticas) tardan máis. Os PDF de varias páxinas escalan linearmente.