TrOCR Base
Free.ai (self-hosted)
·
ocr
·
~300 бирдик page
TrOCR Base - a ОЧТ модели, Microsoft тарабынан курулган. Handwritten documents, low-resource scripts. боюнча эң күчтүү. Free.ai ГПУда өзүнчө жайгаштырылган — сиздин күн сайынгы токендердин пулу менен акысыз иштей алат (300 токендер бет). MIT лицензиясы менен чыгарылат — коммерциялык колдонууга Free.aiде уруксат берилген.
API аркылуу колдонуу
OpenAI-совместимый REST API. Генерировать ключ и вызывать эту модель в секундах.
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"}'Кайсы убакта суроолор берилет
TrOCR Base текст из изображений и PDF-файлов извлекает. Загрузите ссканированную страницу, скриншоты или фотографию документа, и TrOCR Base вернет текст — сохранив строки и (на способных двигателях) таблицы, формулы и структуру.
TrOCR Base бир нече скрипттерди колдойт — латын, кирилл, CJK, араб, деванагари жана башкалар. /ocr/ Landing ар бир движоктун толук тилдер тизмесин камтыйт.
Да, если вы хотите печатать чистый стиль рукописи; курсивный и краткий варианты труднее. TrOCR и современные трансформаторы значительно лучше Tesseract.
Мастерин-билүүчү двигатели (GOT-OCR, Marker, Florence-2) Markdown/HTML таблицаларын жана формулалар үчүн LaTeX форматын кайтарат. Текст-движоктар текстти структурасыз кайтарат — бул моделдин чыгуу режимин текшериңиз.
TrOCR Base биздин графикалык процессорлорубузда сиздин күн сайын акысыз топтомдоруңуздан иштелип чыгат; $5 → 200,000 төлөнгөн токендерден кийин. ~300 токендер бир барак үчүн.
PNG, JPG, WebP, HEIC, BMP, ошондой эле бир же бир нече беттүү PDF файлдары 50 МБга чейин. Кыймылсыз же бурулган беттер чыгаруу алдында автоматтык түрдө оңдолот.
Символдордун тактыгы, адатта, таза басылган беттерде >98%, төмөн резолюциядагы сүрөттөрдө, өтө катаал сканерлерде же адаттагы эмес ариптерде жоголот. Эгерде тактык маанилүү болсо, анда /ocr/compare/ деген жердеги салыштыруу тутумдарын колдонуп көрүңүз.
Да — /batch/ файлдар папкасын сүрөттөр/PDF файлдары менен кабыл алат. Ар бир тартуу /account/?tab=history папкасына түшөт. Папка-дарагын сактоо үчүн API колдонулат.
Да — файлды /v1/ocr/ каталогуна POST кылыңыз, анын модели "TrOCR Base". JSON форматындагы текст + (колдонулганда) макет + сөз деңгээлиндеги чектөө кутучалары менен кайтарылат. /api/ файлында толук шилтеме бар.
Өзүнө-өзү кызмат көрсөтүүчү моделдер файлды биздин графикалык процессордо сактайт; премиум моделдер DPA менен өткөрүп берет. Документтер бөлүшүү терезеси ачылгандан кийин өчүрүлөт. Биз сиздин киргизүүңүздү үйрөтпөйбүз.
Да — Free.ai чыгарылган текстти коммерциялык максатта колдонууга уруксат берет. Бул үчүн сиздин документке укуктарыңыз болушу керек.
Бир барак үчүн 1-5 секунда. Мастер-схеманы эске алган двигатели (таблицалар, математика) көбүрөөк убакытты талап кылат. Бир нече барактагы PDF файлдар болжол менен линейдик масштабда болот.