Unlimited-OCR 3B
Free.ai (self-hosted)
·
ocr
·
~300 ਟੋਕਨ ਪ੍ਰਤੀ page
Unlimited-OCR 3B an OCR ਮਾਡਲ Baidu ਵਲੋਂ ਬਣਾਇਆ ਗਿਆ ਹੈ । ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ Image / scan to structured Markdown, complex layouts, tables, multi-page documents. ਉੱਤੇ ਹੈ। Free.ai GPUs ਉੱਤੇ ਸਵੈ-ਹੋਸਟ ਕੀਤਾ — ਤੁਹਾਡੀ ਰੋਜ਼ਾਨਾ ਟੋਕਨ ਪੁਲ (300 ਟੋਕਨ ਪ੍ਰਤੀ ਪੇਜ਼) ਦੇ ਖਿਲਾਫ ਮੁਫ਼ਤ ਚੱਲਦਾ ਹੈ। MIT ਅਧੀਨ ਛਾਪਿਆ ਗਿਆ - Free.ai ਉੱਤੇ ਵਪਾਰਕ ਵਰਤੋਂ ਦੀ ਇਜਾਜ਼ਤ ਹੈ।
API ਰਾਹੀਂ ਵਰਤੋਂ
OpenAI- ਅਨੁਕੂਲ REST API। ਇੱਕ ਕੁੰਜੀ ਬਣਾਓ ਅਤੇ ਇਸ ਮਾਡਲ ਨੂੰ ਸਕਿੰਟਾਂ ਵਿੱਚ ਕਾਲ ਕਰੋ।
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"}'ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ
Unlimited-OCR 3B ਚਿੱਤਰਾਂ ਅਤੇ PDFs ਤੋਂ ਪਾਠ ਕੱਢਦਾ ਹੈ । ਸਕੈਨ ਪੇਜ਼, ਸਕਰੀਨ- ਸ਼ਾਟ ਜਾਂ ਡੌਕੂਮੈਂਟ ਦੀ ਫੋਟੋ ਅੱਪਲੋਡ ਕਰੋ ਅਤੇ Unlimited-OCR 3B ਪਾਠ ਮੁੜ- ਪ੍ਰਾਪਤ ਕਰੇਗਾ - ਲਾਈਨ ਬਰੇਕ ਅਤੇ (ਯੋਗ ਇੰਜਣਾਂ ਉੱਤੇ) ਟੇਬਲ, ਫਾਰਮੂਲਾ ਅਤੇ ਢਾਂਚਾ ਸੰਭਾਲ ਕੇ ।
Unlimited-OCR 3B ਕਈ ਸਕ੍ਰਿਪਟਾਂ ਨੂੰ ਹੈਂਡਲ ਕਰਦਾ ਹੈ - ਲੈਟਿਨ, ਸਿਰੀਲੀਕ, CJK, ਅਰਬੀ, ਡੇਵਨਾਗਰੀ ਅਤੇ ਹੋਰ । / ocr / ਲੰਡਨ ਵਿੱਚ ਇੰਜਣ ਲਈ ਪੂਰੀ ਭਾਸ਼ਾ ਲਿਸਟ ਹੈ ।
ਸਾਫ਼ ਛਪਾਈ- ਸਟਾਈਲ ਹੱਥ- ਲਿਖਤ ਲਈ ਹਾਂ; ਕਰਸੀਵ ਅਤੇ ਸ਼ੋਰਟਹੈਂਡ ਵਧੇਰੇ ਮੁਸ਼ਕਿਲ ਹਨ । TrOCR ਅਤੇ ਆਧੁਨਿਕ ਟਰਾਨਸਫਾਰਮਰ- ਅਧਾਰਿਤ ਇੰਜਣ ਹੱਥ- ਲਿਖਤ ਲਈ ਪੁਰਾਣੇ ਟੈਸਸਰੈਕਟ ਨਾਲੋਂ ਬਿਹਤਰ ਹਨ ।
ਲੇਆਉਟ-ਸੁਚੇਤ ਇੰਜਣ (GOT-OCR, Marker, Florence-2) Markdown/HTML ਟੇਬਲ ਅਤੇ ਫਾਰਮੂਲੇ ਲਈ LaTeX ਵਾਪਸ ਕਰ ਦਿੰਦੇ ਹਨ । ਪਲੇਨ-ਟੈਕਸਟ ਇੰਜਣ ਬਿਨਾਂ ਢਾਂਚੇ ਦੇ ਟੈਕਸਟ ਵਾਪਸ ਕਰਦੇ ਹਨ - ਇਸ ਮਾਡਲ ਦਾ ਆਉਟਪੁੱਟ ਮੋਡ ਚੈੱਕ ਕਰੋ ।
Unlimited-OCR 3B ਤੁਹਾਡੀ ਰੋਜ਼ਾਨਾ ਮੁਫ਼ਤ ਪੁਲ ਤੋਂ ਸਾਡੇ GPUs ਉੱਤੇ ਚੱਲਦਾ ਹੈ; $5 → 200,000 ਭੁਗਤਾਨ ਟੋਕਨਾਂ ਬਾਅਦ. ~300 ਟੋਕਨਾਂ ਪ੍ਰਤੀ ਪੇਜ਼।
PNG, JPG, WebP, HEIC, BMP, ਅਤੇ ਇੱਕਲੇ ਅਤੇ ਬਹੁ-ਪੰਨਾ PDFs 50 MB ਤੱਕ। ਕੱਢਣ ਤੋਂ ਪਹਿਲਾਂ ਝੁਕੇ ਜਾਂ ਘੁੰਮਾਏ ਪੇਜ਼ ਆਟੋ-ਸੁਧਾਰੇ ਜਾਂਦੇ ਹਨ।
ਅੱਖਰ ਦੀ ਸਹੀਤਾ ਆਮ ਤੌਰ ਉੱਤੇ ਸਾਫ਼ ਛਪਾਈ ਸਫ਼ਿਆਂ ਉੱਤੇ >98% ਹੈ, ਘੱਟ-ਰੈਜ਼ੋਲੂਸ਼ਨ ਫੋਟੋ, ਗੰਭੀਰ ਤੌਰ ਤੇ ਝੁਕੇ ਸਕੈਨ ਜਾਂ ਅਸਾਧਾਰਨ ਫੋਂਟ ਉੱਤੇ ਡਿੱਗਦਾ ਹੈ। ਜਦੋਂ ਸਹੀਤਾ ਮਹੱਤਵਪੂਰਨ ਹੋਵੇ ਤਾਂ /ocr/compare/ ਉੱਤੇ ਇੰਜਣਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ।
ਹਾਂ - /batch/ ਚਿੱਤਰਾਂ/PDFs ਦਾ ਫੋਲਡਰ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ। ਹਰੇਕ ਐਕਸਟਰੈਕਸ਼ਨ /account/?tab=history ਵਿੱਚ ਆ ਜਾਂਦਾ ਹੈ। ਫੋਲਡਰ-ਲੜੀ ਸੰਭਾਲਣ ਲਈ API ਵਰਤੋਂ।
ਹਾਂ - ਆਪਣੀ ਫਾਇਲ ਨੂੰ /v1/ ocr/ ਨਾਲ POST ਕਰੋ, ਜਿਸ ਵਿੱਚ model=" Unlimited-OCR 3B "ਹੈ । ਪਾਠ + (ਜਦੋਂ ਸਹਾਇਕ ਹੋਵੇ) ਲੇਆਉਟ + ਸ਼ਬਦ- ਪੱਧਰ ਬੌਂਡਿੰਗ ਬਕਸੇ ਨਾਲ JSON ਵਾਪਸ ਕਰੋ । /api/ ਵਿੱਚ ਪੂਰਾ ਹਵਾਲਾ ਹੈ ।
ਆਪਣਾ- ਹੋਸਟ ਮਾਡਲ ਤੁਹਾਡੀ ਫਾਇਲ ਨੂੰ ਸਾਡੇ GPU ਉੱਤੇ ਰੱਖਦਾ ਹੈ; ਪ੍ਰੀਮੀਅਮ ਇੱਕ DPA ਨਾਲ ਪਾਸ ਹੁੰਦਾ ਹੈ। ਸਾਂਝ- ਵਿੰਡੋ ਤੋਂ ਬਾਅਦ ਡੌਕੂਮੈਂਟ ਹਟਾਏ ਜਾਂਦੇ ਹਨ। ਅਸੀਂ ਤੁਹਾਡੀ ਇੰਪੁੱਟ ਉੱਤੇ ਟਰੇਨਿੰਗ ਨਹੀਂ ਦਿੰਦੇ।
ਹਾਂ - Free.ai ਐਕਸਟਰੈਕਟ ਕੀਤੇ ਪਾਠ ਦਾ ਵਪਾਰਕ ਵਰਤੋਂ ਦਿੰਦਾ ਹੈ । ਤੁਹਾਨੂੰ ਸਰੋਤ ਡੌਕੂਮੈਂਟ ਲਈ ਅਧਿਕਾਰ ਲੋੜੀਦੇ ਹਨ ।
ਪ੍ਰਤੀ ਸਫ਼ਾ ਆਮ ਤੌਰ ਉੱਤੇ 1-5 ਸਕਿੰਟ ਹੈ । ਲੇਆਉਟ-ਸੁਚੇਤ ਇੰਜਣ (ਟੇਬਲ, ਗਣਿਤ) ਲਈ ਵਧੇਰੇ ਸਮਾਂ ਲੱਗਦਾ ਹੈ । ਬਹੁ-ਪੰਨਾ PDFs ਲਗਭਗ ਰੇਖਿਕ ਸਕੇਲ ਕਰਦੇ ਹਨ ।