Перейти к основному содержимому
ToolPotion
ИИ-советник
Отправить

Surya OCR 2.5

Surya OCR 2.5 — это мощная модель с 689 миллионами параметров для преобразования изображений в текст, разработанная для интеллектуальной обработки документов. Она предлагает высокую точность, быструю производительность и многоязычную поддержку для OCR, анализа макета и распознавания таблиц. Эта модель может обрабатывать различные типы документов, извлекая текст, макет и таблицы в формате HTML, что делает её идеальной для сложных задач обработки документов.

Открыть модель
Поделиться
Открыть модель
Поделиться

Surya OCR 2.5 — это современная модель преобразования изображений в текст, разработанная компанией Datalab, специально созданная для надежных задач интеллектуальной обработки документов. С 689 миллионами параметров она превосходно справляется с оптическим распознаванием символов (OCR), анализом макета и распознаванием таблиц, предлагая значительные улучшения по сравнению с предыдущими версиями.

Читать далее

Модель демонстрирует исключительную точность, набирая 85.9 баллов на OmniParseBench и 83.7% на olmOCR-bench, что делает её самой высоко оцененной открытой моделью с менее чем 1 миллиардом параметров в оценках Datalab. Она обладает впечатляющей скоростью, достигая производительности 4.5 страниц в секунду на GPU H100 при 192 DPI, что в 1.7 раза быстрее, чем Surya 2 с MTP.

Surya OCR 2.5 обладает высокой многоязычностью, достигая 74.9% проходного балла на внутреннем тесте, охватывающем 91 язык. Она выполняет комплексный анализ макета, выявляя такие элементы, как таблицы, изображения и заголовки, и точно определяет порядок чтения. Ключевой особенностью является её способность выводить таблицы в формате HTML, включая объединенные ячейки, представленные атрибутами `colspan` и `rowspan`.

Помимо полного OCR страниц, Surya OCR 2.5 также включает меньшие специализированные модели для обнаружения текста на уровне строк и обнаружения ошибок OCR. Она поддерживает широкий спектр типов документов, от газет и справочников до государственных форм, рукописных писем и корпоративных документов. Модель может быть установлена и запущена с помощью бэкендов вывода, таких как vllm (для NVIDIA GPU) или llama.cpp (для CPU/Apple Silicon), и доступно интерактивное приложение Streamlit для простого тестирования.

Коммерческое использование кода Surya лицензируется по лицензии Apache 2.0, в то время как веса модели используют модифицированную лицензию AI Pubs Open Rail-M, позволяющую бесплатное использование для исследований, личных проектов и стартапов с финансированием/доходом до 5 миллионов долларов. Более широкие коммерческие лицензии доступны через страницу цен Datalab. Datalab также предлагает управляемую платформу, которая запускает Surya и её более точный вариант, Chandra, с бесплатными кредитами для новых подписчиков.

  • КатегорияИнструменты компьютерного зрения
  • Модель ценообразованияФримиум
  • РазвёртываниеОблако
  • ПлатформыВеб

  • Модель «Изображение-Текст в Текст»: Обрабатывает изображения для извлечения текста и структурной информации.

  • Высокая точность: Набирает 85.9 на OmniParseBench и 83.7% на olmOCR-bench.

  • Быстрая производительность: Достигает 4.5 страниц/с на H100 при 192 DPI.

  • Многоязычная поддержка: Оценена по 91 языку с общим проходным баллом 74.9%.

  • Анализ макета: Обнаруживает таблицы, изображения, заголовки и определяет порядок чтения.

  • Распознавание таблиц: Извлекает таблицы в формате HTML с объединенными ячейками (colspan/rowspan).

  • Обнаружение строк текста: Отдельная модель для точного обнаружения текста на уровне строк.

  • Обнаружение ошибок OCR: Специальная модель для выявления неточностей OCR.

  • Интеграция VLM: Запускает анализ макета, OCR и распознавание таблиц через единый VLM.

  • Гибкие бэкенды вывода: Поддерживает vllm (NVIDIA GPU) и llama.cpp (CPU/Apple Silicon).

  • Интерактивное приложение Streamlit: Предоставляет интерактивный интерфейс для тестирования изображений и PDF.

  • Настраиваемые параметры: Переопределение параметров через переменные окружения для тонкой настройки.

  • Коммерческая лицензия: Apache 2.0 для кода, модифицированная Open Rail-M для весов модели.

  • Доступ к управляемой платформе: Доступно на управляемой платформе Datalab с бесплатными кредитами.

  • Обработка математических уравнений: Распознает и выводит математические уравнения в формате LaTeX, совместимом с KaTeX, внутри HTML.

  1. Установите Surya OCR: Установите пакет `surya-ocr` с помощью pip.

  2. Настройте бэкенд вывода: Настройте либо vllm (для NVIDIA GPU), либо llama.cpp (для CPU/Apple Silicon) в качестве сервера вывода.

  3. Запустите команду OCR: Выполните команду OCR с путем к вашему изображению или PDF для извлечения текста и ограничивающих рамок.

  4. Выполните анализ макета: Используйте команду макета для обнаружения структуры документа и порядка чтения.

  5. Извлеките таблицы: Используйте команду распознавания таблиц для получения таблиц в формате HTML.

  6. Обработайте обнаружение строк текста: Запустите команду обнаружения строк текста для идентификации отдельных строк текста.

  7. Интегрируйте через Python: Получите доступ к функциональности Surya OCR непосредственно из скриптов Python.

  8. Используйте интерактивное приложение: Запустите приложение Streamlit для интерактивного тестирования Surya на изображениях или PDF-файлах.

  • Цифровизация документов
  • Извлечение данных
  • Архивирование контента
  • Обработка многоязычных документов
  • Понимание макета
  • Автоматизированная обработка форм
  • Исследования и академия
  • Автоматизация бизнес-процессов

Отзывы о Surya OCR 2.5

Загрузка...

Популярные ИИ-инструменты, похожие на Surya OCR 2.5

GOT-OCR2.0 AI Model

AI-модели

GOT-OCR2.0 — это продвинутая модель OCR, разработанная для эффективного распознавания текста. Она использует унифицированный подход end-to-end для повышения точности и…

ИИ-модели и LLM
Открыть инструмент

AI-модели

Продвинутая модель OCR, разработанная для эффективного распознавания текста. Она использует унифицированный подход end-to-end для повышения точности и…GOT-OCR2.0 — это продвинутая модель OCR, разработанная для эффективного распознавания текста. Она использует унифицированный подход end-to-end для повышения точности и…

ИИ-модели и LLM
Топ-5: AI-модели

MiniCPM-OCR 1.0

AI-модели

MiniCPM-OCR 1.0 — это модель, специфичная для OCR, разработанная для понимания документов, ориентированных на текст. Она превосходно справляется с разбором текста, таблиц и…

ИИ-модели и LLM
Открыть инструмент

AI-модели

Модель, специфичная для OCR, разработанная для понимания документов, ориентированных на текст. Она превосходно справляется с разбором текста, таблиц и…MiniCPM-OCR 1.0 — это модель, специфичная для OCR, разработанная для понимания документов, ориентированных на текст. Она превосходно справляется с разбором текста, таблиц и…

ИИ-модели и LLM
Топ-5: AI-модели

LightOnOCR-3-4B

AI-модели

LightOnOCR-3-4B — это высокопроизводительная модель OCR, предлагающая расширенные возможности понимания макета и визуальных элементов. Она обеспечивает точную транскрипцию и…

ИИ-модели и LLM
Открыть инструмент

AI-модели

Высокопроизводительная модель OCR, предлагающая расширенные возможности понимания макета и визуальных элементов. Она обеспечивает точную транскрипцию и…LightOnOCR-3-4B — это высокопроизводительная модель OCR, предлагающая расширенные возможности понимания макета и визуальных элементов. Она обеспечивает точную транскрипцию и…

ИИ-модели и LLM
Топ-5: AI-модели

OCR - Image Reader

Расширения браузера

Это расширение Chrome захватывает и преобразует изображения в текст с помощью встроенного движка OCR. Оно поддерживает более 100 языков, автоматическую ориентацию и определение…

Инструменты компьютерного зрения
Открыть инструмент

Расширения браузера

Это расширение Chrome захватывает и преобразует изображения в текст с помощью встроенного движка OCR. Оно поддерживает более 100 языков, автоматическую ориентацию и определение…

Инструменты компьютерного зрения
Топ-250: Расширения браузера

Tesseract OCR

AI-репозитории на GitHub

Tesseract OCR — это движок оптического распознавания символов с открытым исходным кодом. Он поддерживает множество языков и может использоваться для извлечения текста из…

Инструменты компьютерного зрения
Открыть инструмент

AI-репозитории на GitHub

Движок оптического распознавания символов с открытым исходным кодом. Он поддерживает множество языков и может использоваться для извлечения текста из…Tesseract OCR — это движок оптического распознавания символов с открытым исходным кодом. Он поддерживает множество языков и может использоваться для извлечения текста из…

Инструменты компьютерного зрения
Топ-250: AI-репозитории на GitHub

RolmOCR

AI-модели

RolmOCR от Reducto AI — это инструмент OCR с открытым исходным кодом, который предлагает более быстрое выполнение и меньшее использование памяти по сравнению с его…

ИИ-модели и LLM
Открыть инструмент

AI-модели

RolmOCR от Reducto AI — это инструмент OCR с открытым исходным кодом, который предлагает более быстрое выполнение и меньшее использование памяти по сравнению с его…

ИИ-модели и LLM
Топ-5: AI-модели

Surya OCR

AI-репозитории на GitHub

Surya OCR — это универсальный инструмент для оптического распознавания символов, анализа макета, определения порядка чтения и распознавания таблиц на более чем 90 языках. Он…

ИИ-инструменты для документов и PDF

№95 в AI-репозитории на GitHub

Открыть инструмент

AI-репозитории на GitHub

Универсальный инструмент для оптического распознавания символов, анализа макета, определения порядка чтения и распознавания таблиц на более чем 90 языках. Он…Surya OCR — это универсальный инструмент для оптического распознавания символов, анализа макета, определения порядка чтения и распознавания таблиц на более чем 90 языках. Он…

ИИ-инструменты для документов и PDF
№95 в AI-репозитории на GitHub

PaddleOCR

AI-репозитории на GitHub

PaddleOCR — это мощный и легковесный инструмент для оптического распознавания символов (OCR), предназначенный для преобразования PDF и изображений в структурированные данные для…

Инструменты компьютерного зрения

№12 в AI-репозитории на GitHub

Открыть инструмент

AI-репозитории на GitHub

Мощный и легковесный инструмент для оптического распознавания символов (OCR), предназначенный для преобразования PDF и изображений в структурированные данные для…PaddleOCR — это мощный и легковесный инструмент для оптического распознавания символов (OCR), предназначенный для преобразования PDF и изображений в структурированные данные для…

Инструменты компьютерного зрения
№12 в AI-репозитории на GitHub
1 из 8