LlamaOCR

Сфера:

Анализ изображений

Задача:

Анализировать изображение

Тип преобразования:

Изображение в Текст

Условия использования:

Бесплатные

Попробовать

Как оплатить зарубежный сервис?

Нет зарубежной банковской карты? Вы можете выгодно оплатить подписку на иностранный сервис с помощью GetPayAll с минимальной комиссией на рынке. Назовите менеджеру промокод neural для получения скидки 30% на комиссию при первой оплате.
Компания работает как с физическими, так и с юридическими лицами. Помимо оплаты зарубежных сервисов, предлагается выпуск индивидуальной карты с возможностью пополнения.

LlamaOCR — нейросеть для распознавания текста на фотографиях. Под капотом приложения используется модель Llama 3.2 Vision. ИИ распознает текст даже на изображениях под углом, например, чеках. Результат предоставляется в формате Markdown. Доступно использование демоверсии в виде веб-приложения или локальное развертывание.

Особенности LlamaOCR:

Распознавание текста. Инструмент работает на основе модели Llama 3.2 Vision с 11 или 90 млрд параметров на выбор. На данный момент ИИ распознает текст на изображениях. Но разработчики обещают добавить поддержку документов PDF.
Markdown. Распознанный текст возвращается в формате Markdown, что упрощает его дальнейшее использование в различных приложениях и системах. Планируется добавить вывод в JSON.
Установка. Исходный код проекта доступен на странице Github. Библиотеку нужно установить через пакетный менеджер npm. Более подробная информация находится на странице проекта.

LlamaOCR можно использовать бесплатно при развертывании на локальном устройстве, но потребуется доступ к модели Llama.

Интересное

Florence 2

Florence 2 - нейросеть для распознавания объектов и текста на изображениях. Кроме того, модель поддерживает несколько режимов работы, таких как генерация краткого и подробного описания картинки, получение координат объектов и другие. Предобученные версии Florence 2 доступны на HuggingFace, что позволяет разработчиком использовать их в своих проектах.

Molmo

Molmo - нейросеть для анализа изображений. Модели семейства Molmo можно использовать прямо в браузере или загрузить с платформы Hugging Face. Инструмент переигрывает в анализе изображений таких флагманов, как Claude 3.5 и Gemini 1.5. Модели обучены на датасете PixMo, в котором отсутствуют синтетические данные, что повышает качество ответов.

Lummi

Lummi - сервис для поиска изображений, сгенерированных нейросетями. Платформа включает в себя более 20000 картинок, созданных с помощью алгоритмов искусственного интеллекта. Удобные фильтры и настройка параметров изображения ускорят процесс внедрения изображений в ваш продукт. Присутствует интеграция с другими сервисами.