akhaliq/Unlimited-OCR

מה זה

האפליקציה משמשת כממשק רשת פשוט למודל Unlimited-OCR של חברת baidu. אתם מעלים קובץ תמונה דרך הדפדפן, והקוד מעביר אותו לעיבוד שמוציא מחרוזת טקסט מתוך הוויז'ואל. הקוד מייבא את transformers וטוען את המשקלים ישירות עם הרשאות הרצה של קוד מרוחק, כך שאין כאן שכבות תיווך מורכבות מעבר למודל עצמו.

הפלט מוזרם חזרה למסך בעזרת TextIteratorStreamer, כך שרואים את התווים נכתבים בזמן אמת ולא מחכים לקבלת כל הגוש בבת אחת. אין כאן הגדרות מורכבות של עיבוד מקדים או פילטרים ידניים, אלא שליחה ישירה של התמונה אל המודל וחילוץ התוכן הכתוב.

מתאים ל

• חילוץ טקסט מצילום

  מעלים צילום מסך או תמונה של מסמך ומקבלים את התווים המזוהים ישירות להעתקה.

• בדיקת המודל של באיידו

  בוחנים את ביצועי baidu/Unlimited-OCR על תמונות שונות בלי להוריד את המשקלים למחשב.

• הזרמת פענוח בזמן אמת

  רואים את הטקסט נחלץ תוך כדי ריצה דרך ממשק פשוט ללא צורך בהתקנת ספריות מקומית.

איפה זה נופל

הקוד טוען את המודל עם trust_remote_code ישירות מבאיידו, בלי לתעד מגבלות של שפות נתמכות או תמיכה בעברית. אל תבנו על זה לפענוח עמודים מורכבים או כתב יד לפני שבדקתם כמה דוגמאות מייצגות. זו הדגמת רשת בסיסית, לא כלי לעיבוד כמויות גדולות של קבצים ברצף.

איך משתמשים

גוררים תמונה לחלון של gradio ולוחצים על כפתור ההרצה כדי לקבל את הטקסט. השרת רץ על חומרת zero-a10g של Spaces, מה שאומר שיש מאיץ גרפי שמוקצה לעיבוד בעת הצורך. אם המאיץ היה כבוי הוא צריך להתעורר, ולכן הבקשה הראשונה עלולה לקחת כמה שניות טובות. אין צורך בהרשמה או התחברות כדי לבדוק קובץ בודד.

הרישיון

הרישיון של המרחב הוא MIT, כך שקוד הממשק פתוח לחלוטין לשימוש ושינוי. המודל עצמו מגיע מבאיידו, והקבצים שאתם מעלים עוברים דרך שרתי Hugging Face לצורך הפענוח.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗