TrOCR Base
Free.ai (self-hosted)
·
ocr
·
~300 tokens per page
TrOCR Base iku a Model OCR dibangun déning Microsoft. Strongest at Handwritten documents, low-resource scripts.. Self-hosted on Free.ai GPUs — runs free against your daily token pool (300 tokens saben kaca). Released under MIT — commercial use permitted on Free.ai.
Nganggo liwat API
REST API kang kompatibel karo OpenAI. Janji kunci lan waca model iki ing sekon.
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"}'Takon kang asring diajukake
TrOCR Base ngekstrak teks saka gambar lan PDF. Ngunduh kaca sing disinkronisasi, gambar layar, utawa foto saka dokumèn lan TrOCR Base mbalekaké teks - nglestarikaké breakline lan (ing mesin sing bisa) tabel, formula, lan struktur.
TrOCR Base ngontrol puluhan aksara - Latin, Cyrillic, CJK, Arab, Devanagari, lan liya-liyané. /ocr/ landing duwé dhaptar basa lengkap saben mesin.
Yes for clean printed-style handwriting; cursive and shorthand are harder. TrOCR and modern transformer-based engines are noticeably better than legacy Tesseract on handwriting.
Enjin-layout-aware (GOT-OCR, Marker, Florence-2) ngembali tabel Markdown/HTML lan LaTeX kanggo formula. Enjin teks-pribadi ngembali teks tanpa struktur - periksa mode output model iki.
TrOCR Base runs on our GPUs from your daily free pool; $5 → 200,000 paid tokens after. ~300 tokens per page.
PNG, JPG, WebP, HEIC, BMP, lan uga PDF siji lan multi-layar nganti 50 MB. Halaman kang dipotong utawa diputar dikorèkasi kanthi otomatis sadurunge dijupuk.
Keakuratan aksara lumrahé >98% ing kaca-kaca kang dicetak resik, lan ora ana ing foto resolusi endhek, scan kang rada ora rata, utawa font kang ora biasa. Parangaké mesin ing /ocr/compare/ nalika keakuratan penting.
Ya - /batch/ nampi folder gambar/PDF. Saben ekstraksi bakal ndarat ing /account/?tab=history. Kanggo perlindungan folder-tree, gunakake API.
Ya - POST file sampeyan menyang /v1/ocr/ karo model "TrOCR Base". Kembali JSON karo teks + (kanggo didhukung) layout + word-level bounding boxes. /api/ duwé referensi lengkap.
Model self-hosted nyimpen file sampeyan ing GPU kita; premium ngliwati karo DPA. Dokumen dipatèni sawisé jendela share. Kita ora nglatih ing input sampeyan.
Ya - Free.ai nyedhiyani panggunaan komersial teks kang diekstrak. Sampeyan butuh hak kanggo dokumen sumber.
1-5 detik saben kaca. Mesin-layout-aware (tabel, matematika) butuh wektu luwih dawa. PDF multi-page skala kira-kira linear.