Unlimited-OCR 3B
Free.ai (self-hosted)
·
ocr
·
~300 ຕົວເລກຕໍ່ page
Unlimited-OCR 3B ແມ່ນ a ແບບແບບ OCR ສ້າງໂດຍ Baidu. ແຮງທີ່ສຸດທີ່ Image / scan to structured Markdown, complex layouts, tables, multi-page documents.. ເປັນເຈົ້າພາບຕົນເອງໃນ Free.ai GPUs - ແລ່ນຟຣີຕໍ່ຕ້ານສະໂມສອນໂຕກອນຂອງທ່ານທຸກໆມື້ (300 tokens ຕໍ່ໜ້າ). ອອກອາກາດພາຍໃຕ້ MIT - ການໃຊ້ທຸລະກິດອະນຸຍາດຢູ່ໃນ Free.ai.
ប្រើຜ່ານ API
REST API ທີ່ເຂົ້າກັນໄດ້ກັບ OpenAI. ສ້າງກຸນແຈ ແລະ ໂທຫາແບບຟອມນີ້ໃນສອງວິນາທີ.
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"}'ຄໍາຖາມທີ່ຖາມເລື້ອຍໆ
Unlimited-OCR 3B ຖອດຂໍ້ຄວາມຈາກຮູບພາບແລະ PDFs. ຍົກເວັ້ນຫນ້າທີ່ສັ່ນສະເທືອນ, ຫນ້າຈໍ, ຫຼືຮູບຂອງເອກະສານແລະ Unlimited-OCR 3B ສົ່ງຂໍ້ຄວາມຄືນ - ຮັກສາການຢຸດເຊົາແລະ (ກ່ຽວກັບເຄື່ອງຈັກທີ່ມີຄວາມສາມາດ) ຕາຕະລາງ, ຮູບຮ່າງ, ແລະໂຄງສ້າງ.
Unlimited-OCR 3B ຈັດການກັບສະຄຣິບຕ໌ຫຼາຍຮ້ອຍອັນ - ລາຕິນ, ຊີຣີລ໌, CJK, ອາຣັບ, ເດວານາກາຣີ ແລະອື່ນໆ. ບ່ອນລົງຈອດ / ocr / ມີລາຍຊື່ພາສາເຕັມຕາມເຄື່ອງຈັກ.
ຍອມຮັບສຳລັບການຂຽນແບບພິມທີ່ສະອາດ; ຕົວອັກສອນຄໍຊິບ ແລະ ຕົວອັກສອນສັ້ນໆ ແມ່ນຍາກກວ່າ. TrOCR ແລະ ເຄື່ອງຈັກທີ່ອີງໃສ່ຕົວປ່ຽນແບບທັນສະໄໝ ແມ່ນດີກວ່າການຂຽນແບບພິມແບບ Tesseract ເກົ່າຢ່າງເຫັນໄດ້ຊັດ.
ເຄື່ອງຈັກທີ່ຮູ້ເຖິງການວາງແຜນ (GOT-OCR, Marker, Florence-2) ສົ່ງຄືນ Markdown/HTML ຕາຕະລາງ ແລະ LaTeX ສຳ ລັບຮູບຮ່າງ. ເຄື່ອງຈັກຂໍ້ຄວາມປົກກະຕິສົ່ງຄືນຂໍ້ຄວາມທີ່ບໍ່ມີໂຄງສ້າງ - ກວດເບິ່ງແບບອອກແບບນີ້.
Unlimited-OCR 3B ແລ່ນໃນ GPUs ຂອງພວກເຮົາຈາກ pool ຂອງທ່ານຟຣີທຸກໆມື້; $5 → 200,000 ບັດເຄດິດຈ່າຍຫຼັງຈາກນັ້ນ. ~300 ບັດເຄດິດຕໍ່ຫນ້າ.
PNG, JPG, WebP, HEIC, BMP, ເພີ່ມ PDF ແບບດຽວແລະຫຼາຍ ໜ້າ ເຖິງ 50 MB. ຫນ້າທີ່ສັ່ນສະເທືອນຫຼື ໝູນ ວຽນແມ່ນຖືກແກ້ໄຂໂດຍອັດຕະໂນມັດກ່ອນທີ່ຈະດຶງອອກ.
ຄວາມຖືກຕ້ອງຂອງຕົວອັກສອນແມ່ນປົກກະຕິແລ້ວ> 98% ຢູ່ໃນ ໜ້າ ພິມທີ່ສະອາດ, ຕົກຢູ່ໃນຮູບຖ່າຍທີ່ມີຄຸນນະພາບຕ່ ຳ, ການສັ່ນສະເທືອນຢ່າງຮ້າຍແຮງຫຼືຕົວອັກສອນທີ່ບໍ່ປົກກະຕິ. ກົງກັນຂ້າມເຄື່ອງຈັກໃນ / ocr / ກົງກັນຂ້າມ / ເມື່ອຄວາມຖືກຕ້ອງແມ່ນມີຄວາມສໍາຄັນ.
ຍອມຮັບ - /batch/ ຮັບຮອງເອົາໂຟນເດີຂອງຮູບ/PDFs. ການດຶງອອກແຕ່ລະຄັ້ງຈະຕົກຢູ່ໃນ /account/?tab=history. ສຳລັບການຮັກສາຕົ້ນຂອງໂຟນເດີໃຊ້ API.
ຍອມຮັບ - POST ໄຟລ໌ຂອງທ່ານໄປທີ່ /v1/ocr/ ດ້ວຍ model="Unlimited-OCR 3B". ສົ່ງຄືນ JSON ທີ່ມີຂໍ້ຄວາມ + (ເມື່ອໄດ້ຮັບການສະໜັບສະໜູນ) ການຈັດວາງ + ລະດັບຄໍາທີ່ຂັດຂວາງ boxes. /api/ ມີການອ້າງອີງເຕັມ.
ແບບທີ່ຈັດການເອງຮັກສາເອກະສານຂອງທ່ານຢູ່ໃນ GPUs ຂອງພວກເຮົາ; ຄ່າໃຊ້ຈ່າຍຜ່ານຜ່ານກັບ DPA. ເອກະສານຖືກລຶບຫຼັງຈາກການແບ່ງປັນ-window. ພວກເຮົາບໍ່ຝຶກອົບຮົມກ່ຽວກັບ input ຂອງທ່ານ.
ຍອມຮັບ - Free.ai ອະນຸຍາດໃຫ້ໃຊ້ການຂາຍຂອງຂໍ້ຄວາມທີ່ຖອດອອກມາ. ທ່ານຕ້ອງມີສິດໃນການເຂົ້າເຖິງເອກະສານແຫຼ່ງ.
1-5 ວິນາທີຕໍ່ ໜ້າ ໂດຍປົກກະຕິ. ເຄື່ອງຈັກທີ່ຮູ້ຈັກກັບການອອກແບບ (ຕາຕະລາງ, ຄະນິດສາດ) ໃຊ້ເວລາດົນກວ່າ. ເອກະສານ PDF ຫຼາຍ ໜ້າ ຂະ ໜາດ ປະມານເສັ້ນ.