GOT-OCR

מה זה

מעלים תמונה לתוך הממשק, ויש אפשרות לערוך אותה ישירות בדפדפן. אפשר לבחור בין סריקת טקסט רגילה לבין חילוץ מעוצב, ואפילו לסמן אזורים ספציפיים בעזרת תיחום ידני או צביעה במברשת בצבעי אדום, ירוק וכחול. הפלט חוזר כטקסט בתיבת כתיבה או בתוך רכיב תצוגה מבוסס קוד.

מאחורי הקלעים רץ המודל stepfun-ai/GOT-OCR2_0, שנטען גם תחת הזיהוי ucaslcl/GOT-OCR2_0 שפותח במקור ב־UCAS בייג'ינג. הממשק כולל מדריך מובנה שמראה איך לסמן תיבות סביב פסקאות כדי שהמודל יתמקד רק בהן ולא ינסה לקרוא את כל הדף בבת אחת.

מתאים ל

• זיהוי קטע ספציפי בעמוד

  סימון פסקה או שורה בעזרת מברשת צבע כדי לחלץ רק אותן מתוך מסמך שלם.

• חילוץ טקסט מובנה

  המרה של קטעי טקסט מעוצבים לתצוגת קוד מתאימה בעזרת אפשרות העיצוב המובנית.

• בדיקת יכולות המודל

  התנסות ביכולות הזיהוי האופטי של משפחת GOT לפני שמורידים את המשקלים למחשב.

איפה זה נופל

הבעיה המרכזית כרגע היא שהאפליקציה בכלל לא עולה בגלל שגיאת קומפילציה, כך שאי אפשר לבצע בה שום פעולה בדפדפן. בנוסף, הקוד מסתמך על מעבד חלש, כך שגם כשהיא פועלת, זיהוי של מסמכים כבדים צפוי לקחת זמן רב לעומת הרצה מקומית על כרטיס מסך. אין פה כרגע תיעוד על תמיכה בעברית או יישור לימין, ומודלים כאלה מתקשים לא פעם עם שפות שאינן אנגלית או סינית.

איך משתמשים

טוענים תמונה, בוחרים סוג משימה בתפריטים, מסמנים אזור אם רוצים, ולוחצים על כפתור העיבוד. אין דרישה להירשם או לשלם כדי לנסות. יחד עם זאת, המרחב מוגדר על חומרת מעבד בסיסית בלבד וללא כרטיס גרפי ייעודי, ובנוסף המצב הטכני שלו מדווח כרגע כשגיאת בנייה. זה אומר שנכון לעכשיו אי אפשר להריץ אותו בפועל עד שמי שמתחזק אותו יתקן את הקוד.

הרישיון

הקוד מופץ תחת רישיון MIT, שמאפשר שימוש חופשי, שינוי והפצה, כולל לצרכים מסחריים. אין הצהרה לגבי שמירת התמונות שמעלים לרשת, ולכן עדיף להימנע מהעלאת מסמכים מזהים או מידע אישי ורגיש.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗