core-OCR

מה זה

אתם מעלים תמונה של מסמך, מזינים הוראת טקסט ומקבלים את המלל המחולץ ישירות למסך, עם אפשרות להעתיק או לשמור אותו כקובץ. הממשק מאפשר לבחור בין ארבעה מודלי ראייה שונים: MonkeyOCR של echo840, ושלושה מודלים של prithivMLmods שכוללים את Camel-Doc-OCR-080125, coreOCR-7B ו־docscopeOCR-7B. מתחת למכסה המנוע רצים מודלים ממשפחת Qwen2-VL ו־Qwen2.5-VL יחד עם flash-attn2 לחישוב תשומת לב מהיר.

הממשק כולל אזור דוגמאות מובנה שמאפשר לטעון תמונות מוכנות מראש בלחיצה אחת, כדי לבדוק את היכולות בלי להעלות קבצים אישיים מיד. בנוסף, ישנם פרמטרים מתקדמים לשליטה בפלט כמו טמפרטורה, top-p, top-k, עונש על חזרתיות ומספר טוקנים מקסימלי, שמוגדרים כברירת מחדל מאחורי הקלעים.

מתאים ל

• חילוץ טקסט ממסמכים

  המרת צילומי מסמכים, טפסים ודוחות לטקסט חי שניתן לעריכה ולהעתקה מהירה.

• השוואת מודלי ראייה

  בדיקת אותו מסמך מול ארבעה מודלים שונים כדי לראות מי מהם מדייק יותר.

• המרת צילומי מסך

  שליפת קטעי קוד, טבלאות או מלל מצילומי מסך ישירות לקובץ טקסט.

איפה זה נופל

המודלים לא תמיד קוראים כתב יד צפוף או פונטים מורכבים, ויש לבדוק ידנית את הדיוק לפני שמסתמכים על התוצאה. הממשק מיועד לעיבוד תמונה אחת בכל פעם ואינו מאפשר טעינה סיטונאית של מסמכי PDF מרובי עמודים. בנוסף, מגבלת זמן הריצה של שישים שניות עלולה לקטוע פענוח של תמונות ברזולוציה גבוהה במיוחד.

איך משתמשים

לוחצים על כפתור ההעלאה, בוחרים תמונה או דוגמה מוכנה, בוחרים את המודל הרצוי ולוחצים על Run. אין צורך בהרשמה או בהתחברות כדי להתחיל. הריצה מתבצעת על מאיץ A10G במתכונת ZeroGPU, מה שמקצה משאבי חומרה לפי דרישה לזמן מוגבל של עד שישים שניות. המהירות סבירה למסמכים בודדים, אך בעומסים ייתכן שתמתינו בתור קצר עד שהשרת יתפנה.

הרישיון

האפליקציה מפורסמת תחת רישיון apache-2.0, שמתיר שימוש חופשי כולל שימוש מסחרי והתאמת הקוד. התמונות שאתם מעלים נשלחות לשרתי Hugging Face לצורך העיבוד, ולכן לא מומלץ להעלות מסמכים רגישים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗