Deskripsi
LightOnOCR-3-4B adalah model terbesar dan paling akurat dalam keluarga LightOnOCR-3, dirancang untuk menangani berbagai tugas OCR dengan presisi yang luar biasa. Model ini merupakan bagian dari generasi baru model OCR end-to-end yang ringan yang menggabungkan fitur pemahaman tata letak dan visual. Model ini mengeluarkan koordinat kotak pembatas dengan label untuk semua elemen visual dari sebuah dokumen, deskripsi singkat gambar, dan data numerik dari angka dan grafik. Kemampuan ini menjadikannya alternatif yang siap digunakan dan lebih mudah dipelihara dibandingkan dengan jalur pemahaman dokumen yang kompleks.
Baca Selengkapnya
Keluarga LightOnOCR-3 mencakup tiga ukuran model: 1B, 0.8B, dan 4B. Model 1B mempertahankan arsitektur LightOnOCR-2-1B, sementara model 0.8B dan 4B mengadopsi arsitektur bahasa-visual Qwen3.5, menawarkan peningkatan kecepatan yang signifikan dan integrasi yang disederhanakan dengan alat yang ada. Semua model dirilis di bawah lisensi Apache 2.0, memungkinkan penggunaan untuk penelitian dan komersial.
LightOnOCR-3-4B mendukung dua mode operasi utama: mode transkripsi dan mode grounding. Dalam mode transkripsi, model ini mengeluarkan teks halaman penuh ketika dipanggil dengan prompt kosong. Mode grounding, di sisi lain, memberikan label dan kotak pembatas untuk setiap blok konten, meningkatkan kemampuan pemahaman visual model. Mode ini sangat berguna untuk aplikasi yang memerlukan analisis dan pengambilan dokumen yang mendetail.
Model ini dirancang untuk menangani berbagai jenis dokumen, termasuk tabel, kwitansi, formulir, grafik, tata letak multi-kolom, dan notasi matematis. Model ini menyederhanakan penerapan dan pemeliharaan sistem pemrosesan dokumen dengan menawarkan solusi end-to-end yang menghilangkan kebutuhan akan jalur yang kompleks.
- KategoriModel AI & LLM
- Model HargaOpen source
- PenerapanCloud
- PlatformWeb
Sorotan LightOnOCR-3-4B
Model terbesar dalam keluarga LightOnOCR-3
Pemahaman tata letak dan visual yang canggih
Mengeluarkan koordinat kotak pembatas dengan label
Mode transkripsi untuk teks halaman penuh
Mode grounding untuk blok konten berlabel
Menangani tabel, kwitansi, formulir, dan grafik
Integrasi yang disederhanakan dengan alat yang ada
Lisensi Apache 2.0 untuk penggunaan penelitian dan komersial
Memulai dengan LightOnOCR-3-4B
Akses model: Kunjungi Hugging Face
Autentikasi: Gunakan kredensial Anda
Siapkan lingkungan: Instal dependensi
Integrasi melalui API: Gunakan endpoint yang disediakan
Optimalkan: Sesuaikan parameter sesuai kebutuhan Anda
Kasus Penggunaan LightOnOCR-3-4B
- Transkripsi Dokumen
- Analisis Konten Visual
- Pemrosesan Dokumen Kompleks
- Penanganan Notasi Matematis
- Ekstraksi Data
