TrOCR Base
Free.ai (self-hosted)
·
ocr
·
~300 សញ្ញាសម្គាល់ក្នុងមួយ page
TrOCR Base គឺ a ម៉ូដែល OCR សាងសង់ដោយ Microsoft ។ ខ្លាំងក្លាបំផុតនៅ Handwritten documents, low-resource scripts.. ខ្លួនឯងបានរៀបចំនៅលើ Free.ai GPUs - រត់ដោយឥតគិតថ្លៃប្រឆាំងនឹងទឹកកាក់ប្រចាំថ្ងៃរបស់អ្នក (300 រូបិយប័ណ្ណ ទំព័រនីមួយៗ) ។ ចេញផ្សាយក្រោម MIT - ការប្រើពាណិជ្ជកម្មត្រូវបានអនុញ្ញាតនៅលើ Free.ai ។
សំណួរដែលសួរញឹកញាប់
TrOCR Base ដកអត្ថបទពីរូបភាពនិង PDFs ។ ផ្ទុកឡើងទំព័រដែលបានស្កេនមួយ, រូបថតអេក្រង់, ឬរូបថតនៃឯកសារនិង TrOCR Base ត្រឡប់អត្ថបទ - ការរក្សាទុកការឈប់បន្ទាត់និង (លើម៉ាស៊ីនដែលអាច) តារាងរូបមន្តនិងរចនាសម្ព័ន្ធ ។
TrOCR Base គ្រប់គ្រងស្គ្រីបរាប់ពាន់ - ឡាតាំង, ស៊ីរីលីក, CJK, អារ៉ាប់, Devanagari និងច្រើនទៀត ។ ចុះចត / ocr / មានបញ្ជីភាសាពេញលេញក្នុងម៉ាស៊ីន ។
បាទ/ ចាស សម្រាប់ ស្អាត បោះពុម្ព រចនាប័ទ្ម សរសេរ ដៃ ខ្លី និង shorthand គឺ ពិបាក ។ TrOCR និង ម៉ាស៊ីន បច្ចុប្បន្ន ផ្អែក លើ ឧបករណ៍ បំលែង គឺ ល្អ ជាង ចាស់ Tesseract លើ សរសេរ ដៃ ។
ម៉ាស៊ីនដែលដឹងអំពីប្លង់ (GOT-OCR, Marker, Florence-2) ត្រឡប់ Markdown/ HTML តារាង និង LaTeX សម្រាប់រូបមន្ត ។ ម៉ាស៊ីនអត្ថបទធម្មតាត្រឡប់អត្ថបទដោយគ្មានរចនាសម្ព័ន្ធ - ពិនិត្យមើលរបៀបលទ្ធផលរបស់ម៉ូដែលនេះ ។
TrOCR Base ដំណើរការនៅលើ GPUs របស់យើងពីទឹកកកឥតគិតថ្លៃប្រចាំថ្ងៃរបស់អ្នក; $5 → 200,000 រូបិយប័ណ្ណដែលបានបង់ប្រាក់បន្ទាប់ពី. ~300 រូបិយប័ណ្ណក្នុងមួយទំព័រ.
PNG, JPG, WebP, HEIC, BMP, បន្ថែមពីលើទំព័រ PDF មួយនិងច្រើនទំព័ររហូតដល់ 50 MB ។ ទំព័រដែលច្រឹបឬបង្វិលត្រូវបានកែដោយស្វ័យប្រវត្តិមុនពេលស្រង់ចេញ។
ភាពត្រឹមត្រូវតួអក្សរជាធម្មតាគឺ> 98% លើទំព័របោះពុម្ពស្អាត ធ្លាក់លើរូបថតកម្រិតទាប ស្កេនដែលមានភាពច្របូកច្របល់ខ្លាំង ឬពុម្ពអក្សរមិនធម្មតា ។ ធៀបម៉ាស៊ីនលើ / ocr / ធៀប / ពេលភាពត្រឹមត្រូវសំខាន់ ។
បាទ - / batch / ទទួលយកថតរូបភាព / PDFs ។ ការស្រង់ចេញនីមួយៗស្ថិតនៅក្នុង / account /? tab=history ។ សម្រាប់ថត- មែកធាងរក្សាទុកប្រើ API ។
បាទ - POST ឯកសាររបស់អ្នកទៅ / v1 / ocr / ជាមួយ model=" TrOCR Base "។ ត្រឡប់ JSON ជាមួយអត្ថបទ + (នៅពេលគាំទ្រ) ប្លង់ + ប្រអប់កម្រិតពាក្យដែលកំណត់. / api / មានសេចក្ដីយោងពេញលេញ.
ម៉ូដែលដែលបានរៀបចំដោយខ្លួនឯងរក្សាឯកសាររបស់អ្នកនៅលើ GPUs របស់យើង ប្រាក់ចំណូលឆ្លងកាត់ជាមួយនឹង DPA ។ ឯកសារត្រូវបានលុបបន្ទាប់ពីបង្អួចចែករំលែក ។ យើងមិនបណ្តុះបណ្តាលលើការបញ្ចូលរបស់អ្នកទេ ។
បាទ/ ចាស - Free.ai អនុញ្ញាតឲ្យប្រើអត្ថបទដែលបានស្រង់ចេញជាពាណិជ្ជកម្ម ។ អ្នកត្រូវការសិទ្ធិឯកសារប្រភព ។
1-5 វិនាទីក្នុងមួយទំព័រជាធម្មតា។ ម៉ាស៊ីនដែលដឹងអំពីប្លង់ (តារាងគណិតវិទ្យា) ចំណាយពេលយូរជាង។ ទំព័រ PDF ច្រើនទំព័រធ្វើមាត្រដ្ឋានយ៉ាងជិតស្និទ្ធ។