GLM-OCR-Demo

מה זה

מעלים תמונה של מסמך ומקבלים פלט טקסטואלי שמפענח את התוכן שלה. אפשר להגדיר משימות שונות כמו שליפת טקסט רגיל או זיהוי טבלאות, ולכוונן את כמות הטוקנים המרבית שהתשובה תכלול. בסיום יש כפתורים מובנים להעתקה מהירה של התוצאה או לשמירה שלה כקובץ.

מאחורי הקלעים רץ המודל zai-org/GLM-OCR מקטגוריית מודלי תמונה לטקסט, שפותח במיוחד להבנת מסמכים. הממשק כולל חמש דוגמאות מובנות של קובצי תמונה, ארבע מהן מתמקדות בחילוץ טקסט ואחת מדגימה פענוח של טבלה.

מתאים ל

• חילוץ טקסט ממסמכים

  המרת תמונות סרוקות או צילומי מסמכים למלל שניתן להעתיק ולערוך בקלות.

• פענוח טבלאות

  שליפת מבנה ונתונים מתוך טבלאות המופיעות בצילומי דוחות.

• בדיקת יכולות המודל

  התנסות מהירה ביכולות GLM-OCR מול דוגמאות קיימות ישירות מהדפדפן.

איפה זה נופל

ההדגמה מוגבלת לתמונות בודדות ולא מטפלת בקובצי PDF מרובי עמודים. קיימת מגבלת זמן ריצה של שישים שניות, כך שמסמכים צפופים מאוד עלולים להיחתך לפני סיום הפענוח. בנוסף, חומר המקור לא מפרט תמיכה בשפות שאינן אנגלית, ולכן יש לבדוק פענוח עברית לפני שמסתמכים על התוצאות.

איך משתמשים

טוענים תמונה באמצעות כפתור ההעלאה או בוחרים דוגמה מוכנה, בוחרים משימה ולוחצים על כפתור ההרצה. התשתית יושבת על חומרת zero-a10g שמקצה כרטיס גרפי לפי דרישה, עם מגבלת זמן של עד 60 שניות לריצה. אין צורך בהתחברות מיוחדת, אבל בעומס ייתכן שתמתינו כמה שניות להקצאת המשאבים.

הרישיון

קוד המערכת מפורסם תחת רישיון apache-2.0 שמאפשר שימוש חופשי ושינוי, בכפוף לתנאי הרישיון. המידע שתעלו מעובד בשרתים שמריצים את ההדגמה, ולכן לא מומלץ להעלות מסמכים רגישים.

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

הרישיון המלא ב־Hugging Face ↗