Unlimited-OCR 3B
Free.ai (self-hosted)
·
ocr
·
~300 tokens por page
Unlimited-OCR 3B é a Modelo de OCR construído por Baidu. Máis forte en Image / scan to structured Markdown, complex layouts, tables, multi-page documents.. Auto- hospedado en GPUs Free.ai - executa libremente contra o seu conxunto diario de tokens (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":"unlimited-ocr","prompt":"your prompt here"}'Preguntas frecuentes
Unlimited-OCR 3B extrae texto de imaxes e PDF. Sube unha páxina dixitalizada, unha captura de pantalla ou unha foto dun documento e Unlimited-OCR 3B devolve o texto, conservando os saltos de liña e (nos motores capaces) as táboas, as fórmulas e a estrutura.
Unlimited-OCR 3B manexa decenas de escritura: latina, cirílica, CJK, árabe, devanágari e máis. En /ocr/ tes a lista completa de idiomas de cada motor.
Si para a letra manuscrita limpa, de tipo impreso; a cursiva e a taquigrafía son máis difíciles. TrOCR e os motores modernos baseados en transformers son claramente mellores ca o Tesseract clásico coa letra manuscrita.
Os motores que len o deseño (GOT-OCR, Marker, Florence-2) devolven táboas en Markdown/HTML e LaTeX para as fórmulas. Os motores de texto plano devolven texto sen estrutura: mira o modo de saída deste modelo.
Unlimited-OCR 3B funciona nas nosas GPU co teu pool diario gratuíto; despois, $5 → 200,000 tokens de pago. ~300 tokens por páxina.
PNG, JPG, WebP, HEIC, BMP, ademais de PDF dunha ou varias páxinas de ata 50 MB. As páxinas torcidas ou xiradas corríxense automaticamente antes da extracción.
A precisión por carácter adoita ser >98% en páxinas impresas limpas, e baixa con fotos de baixa resolución, dixitalizacións moi torcidas ou tipos de letra pouco habituais. Compara motores en /ocr/compare/ cando a precisión importe.
Si, /batch/ acepta un cartafol de imaxes/PDF. Cada extracción aparece en /account/?tab=history. Para conservar a árbore de cartafoles, usa a API.
Si, envía o teu ficheiro por POST a /v1/ocr/ con model="Unlimited-OCR 3B". Devolve JSON con texto e (cando se admite) deseño e caixas delimitadoras a nivel de palabra. En /api/ tes a referencia completa.
Os modelos autoaloxados manteñen o teu ficheiro nas nosas GPU; os premium envíanse a terceiros cun DPA. Os documentos bórranse despois do prazo de compartición. Non adestramos con nada do que envíes.
Si, Free.ai concede uso comercial do texto extraído. Necesitas ter os dereitos do documento orixinal.
Normalmente de 1 a 5 segundos por páxina. Os motores que len o deseño (táboas, matemáticas) tardan máis. Os PDF de varias páxinas escalan máis ou menos de forma lineal.