TrOCR Base
Free.ai (self-hosted)
·
ocr
·
~300 ટોકન પ્રતિ page
TrOCR Base એ an OCR મોડેલ છે જે Microsoft દ્વારા બનાવવામાં આવ્યું છે. Handwritten documents, low-resource scripts. પર સૌથી મજબૂત. Free.ai GPUs પર સ્વયં-હોસ્ટ થયેલ — તમારા રોજિંદા ટોકન પુલ (300 ટોકન પાના દીઠ) સામે મુક્ત રીતે ચાલે છે. MIT હેઠળ બહાર પાડવામાં આવ્યું — વ્યાવસાયિક ઉપયોગ માટે Free.ai પર પરવાનગી આપવામાં આવી છે.
API મારફતે વાપરો
OpenAI-સુસંગત REST API. કી ઉત્પન્ન કરો અને સેકન્ડોમાં આ મોડેલને બોલાવો.
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"}'વારંવાર પૂછાતા પ્રશ્નો
TrOCR Base ચિત્ર અને PDFs માંથી લખાણને કાઢે છે. સ્કેન થયેલ પાનું, સ્ક્રીનશોટ, અથવા દસ્તાવેજનો ફોટો અપલોડ કરો અને TrOCR Base લખાણને પાછું આપે છે — લીટી વિરામોને સંગ્રહ કરીને અને (સક્ષમ એન્જિનો પર) કોષ્ટકો, સમીકરણો, અને બંધારણ.
TrOCR Base સ્ક્રિપ્ટની ડઝનોને સંભાળે છે - લેટિન, સિરીલીક, CJK, અરેબિક, દેવનાગરી, અને વધુ. /ocr/ લૅન્ડિંગ એ એન્જિન પ્રતિ સંપૂર્ણ ભાષા યાદી છે.
સાફ છાપેલી-શૈલી હસ્તલિખન માટે હા; કર્સિવ અને શૉર્ટહેન્ડ વધુ કઠિન છે. TrOCR અને આધુનિક રૂપાંતરણ-આધારિત એન્જિનો હસ્તલિખન પર લીગસી ટેસરેક્ટ કરતા નોંધપાત્ર રીતે સારા છે.
લેઆઉટ-જાગૃત એન્જિનો (GOT-OCR, Marker, Florence-2) Markdown/HTML કોષ્ટકો અને સમીકરણો માટે LaTeX ને પાછું આપે છે. સાદા લખાણના એન્જિનો બંધારણ વગર લખાણને પાછું આપે છે — આ મોડેલની આઉટપુટ સ્થિતિ ચકાસો.
TrOCR Base તમારા રોજિંદા મુક્ત પુલમાંથી અમારા GPUs પર ચલાવે છે; $5 → 200,000 ચૂકવેલ ટોકન પછી. ~300 ટોકન પ્રતિ પાનું.
PNG, JPG, WebP, HEIC, BMP, અને એક અને ઘણાં પાનાંઓની PDFs 50 MB સુધી. ખૂંચેલા અથવા ફેરવેલાં પાનાંઓ આયાત કરતા પહેલા આપોઆપ સુધારાયેલ છે.
અક્ષર ચોકસાઈ સામાન્ય રીતે સાફ છાપેલા પાનાંઓ પર >98% છે, નીચા-રીઝોલ્યુશન ફોટા પર પડી જાય છે, ગંભીર રીતે ખૂંચેલું સ્કેન, અથવા અસામાન્ય ફોન્ટો. /ocr/compare/ પર એન્જિનોનો સરખામણી કરો જ્યારે ચોકસાઈ મહત્વની હોય.
હા — /batch/ ચિત્ર/PDFs નું ફોલ્ડર સ્વીકારે છે. દરેક આયાત /account/?tab=history માં થાય છે. ફોલ્ડર-ટ્રી સંરક્ષણ માટે API વાપરો.
હા — તમારી ફાઇલને /v1/ocr/ માં મોડેલ="TrOCR Base" સાથે POST કરો. લખાણ + (જ્યારે આધારભૂત હોય) દેખાવ + શબ્દ-સ્તર મર્યાદા બોક્સ સાથે JSON પાછું આપે છે. /api/ એ સંપૂર્ણ સંદર્ભ છે.
સ્વયં-હોસ્ટ થયેલ મોડેલો તમારી ફાઇલને અમારા GPUs પર રાખે છે; પ્રીમિયમ DPA સાથે પસાર થાય છે. દસ્તાવેજો વહેંચણી-વિન્ડો પછી કાઢી નાંખવામાં આવે છે. અમે તમારા ઇનપુટ પર તાલીમ આપતા નથી.
Yes — Free.ai grants commercial use of extracted text. You need rights to the source document.
સામાન્ય રીતે પાના દીઠ ૧-૫ સેકન્ડો. લેઆઉટ-સજાગ એન્જિનો (કોષ્ટકો, ગણિત) વધારે સમય લે છે. ઘણાં પાનાંઓની PDFs લગભગ રેખીય રીતે માપન કરે છે.