Surya-OCR
רץ בדפדפןartificialguybrרישיון לא דווח2024-01-17
ממשק לחילוץ טקסט, טבלאות ומשוואות מתמונות של מסמכים בלמעלה מ־90 שפות. הוא מתאים למי שצריך לפענח סריקות מורכבות או לחלץ מבנה בלי להגדיר סביבת פיתוח.
- —הורדות בחודש
- 63לייקים
מה זה
אתם מעלים תמונה של מסמך, טבלה או משוואה בפורמט כמו JPG או PNG, ומקבלים פלט בהתאם ללשונית שבחרתם. בלשונית הטקסט מקבלים את התוכן המחולץ לצד קובץ JSON מפורט ותמונה שמסמנת את השורות שזוהו. בלשוניות האחרות אפשר לקבל ניתוח מבנה של כותרות ואיורים, טבלאות מומרות לפורמט Markdown, או נוסחאות מתמטיות שהופכות לקוד LaTeX.
מאחורי הקלעים רץ המודל Surya של datalab-to, לצד מודלים ייעודיים כמו Texify לזיהוי משוואות. המערכת מחלקת את העבודה לפי משימות נפרדות של זיהוי מיקום השורות, קריאת התווים עצמם, וסיווג חלקי המסמך. הממשק לא כולל תמונות מובנות מראש להדגמה, כך שחייבים להעלות קובץ עצמאי כדי לבדוק את התוצאות.
מתאים ל
- המרת טבלאות למסמכים
מעלים צילום של טבלה ומקבלים קוד Markdown נקי להדבקה מהירה בעורכי טקסט.
- חילוץ נוסחאות למחקר
גוזרים משוואה מתוך מאמר סרוק וממירים אותה ישירות לקוד LaTeX תקין.
- זיהוי מבנה מסמך
מנתחים עמוד מורכב כדי להפריד אוטומטית בין פסקאות, כותרות, תמונות והערות שוליים.
איפה זה נופל
הבעיה המיידית היא שהיישום פשוט לא עובד כרגע ונמצא במצב תקלה. מעבר לזה, רשימת השפות הנתמכות כוללת ערבית, הינדית, שפות אירופיות ומזרח אסיאתיות, אך עברית אינה מוזכרת במפורש ברשימה של תשעים השפות, מה שדורש בדיקה זהירה אם הטקסט שלכם בעברית. בזיהוי משוואות הממשק דורש לחתוך את התמונה מראש בדיוק סביב הנוסחה, אחרת הדיוק נפגע.
שאלות
נפוצות
האם אפשר להשתמש באפליקציה כרגע?
לא. היישום נמצא כרגע במצב של RUNTIME_ERROR, ולכן לא ניתן להריץ עליו קבצים עד שהיוצר יעדכן את הסביבה או יתקן את הקוד.
האם המודל תומך במסמכים בעברית?
התיעוד מציין מעל 90 שפות ומפרט אנגלית, ערבית, ספרדית ועוד, אך עברית לא מצוינת במפורש ברשימה. מומלץ לבדוק דוגמה קטנה מקומית לפני שמסתמכים עליו.
איך הכלי מתמודד עם משוואות מתמטיות?
יש לו לשונית ייעודית מבוססת Texify שמחלצת נוסחאות לקוד LaTeX. כדי שזה יעבוד טוב, צריך להעלות תמונה שחתוכה רק על גבולות המשוואה עצמה.
האם מותר להשתמש בזה בעסק מסחרי?
משקולות המודל מוגבלות ברישיון Modified AI Pubs Open Rail-M. השימוש מותר לצרכים אישיים, מחקר, או חברות עם הכנסות וגיוסים מתחת לשני מיליון דולר בלבד.
איך משתמשים
בוחרים את הלשונית הרצויה, גוררים תמונה לחלון הקלט, ומגדירים שפות לפי הצורך, למשל en או ar. אפשר גם לסמן ביטול של זיהוי מתמטיקה כדי לקצר תהליכים, ואז לוחצים על כפתור ההרצה הראשי. היישום מוגדר לרוץ על מעבד גרפי מסוג t4-medium עם מנגנון ZeroGPU, אבל כרגע הוא מדווח על שגיאת ריצה (RUNTIME_ERROR), כך שאי אפשר להפעיל אותו בדפדפן בלי שיתוקן.
הרישיון
הקוד עצמו מפורסם תחת רישיון GPL-3.0, ומשקולות המודל מבוססות על רישיון Modified AI Pubs Open Rail-M. הרישיון הזה מתיר שימוש למחקר, שימוש אישי, וסטארטאפים עם גיוס או הכנסות של פחות משני מיליון דולר. בעמוד הראשי של היישום נכתב שהרישיון לא דווח, ואין פירוט לגבי שמירת התמונות שאתם מעלים לשרת.