DeepSeek OCR 2는 문서 이미지와 텍스트 지시를 텍스트 결과로 변환합니다. 주요 공개 프롬프트는 자유 형식 OCR과 그라운딩 정보를 포함한 문서의 Markdown 변환을 다룹니다. 두 번째 버전은 DeepEncoder V2와 시각적 인과 흐름을 도입합니다. 언어 디코더가 이미지를 해석하기 전에 인코더가 이미지 내용에 따른 읽기 순서를 학습합니다. 이는 여러 단, 표, 수식, 비선형 레이아웃이 있는 페이지에 특히 중요합니다.
아키텍처와 읽기 순서. 모델은 인코더와 디코더 구조를 유지합니다. DeepEncoder V2는 이전 인코더의 CLIP 구성 요소를 소형 언어 모델 방식의 인코더로 바꿉니다. 시각 토큰은 이미지 전반의 정보를 참조할 수 있고, 학습된 인과 쿼리가 그 정보를 점진적으로 정리해 디코더에 전달할 시퀀스를 만듭니다. 이 설계는 페이지의 2차원 레이아웃과 텍스트 생성에 필요한 1차원 순서 사이의 차이를 다룹니다.
이미지 준비와 해상도. 제조사의 기본 동적 해상도 모드는 1024 × 1024 전역 뷰 하나와 768 × 768 지역 뷰 0~6개를 사용합니다. 전역 뷰는 시각 토큰 256개를 생성하고 지역 뷰마다 144개가 추가되므로, 설명된 구성에서는 이미지당 256–1,120토큰을 사용합니다. 이는 공개된 모델 처리 설정이며 모든 페이지를 그 수만큼 수동으로 잘라야 한다는 요청이 아닙니다. 페이지 경계와 제목, 단, 표 사이의 관계를 유지한 읽기 쉬운 이미지를 제공하세요.
인코더에는 합성곱 압축을 사용하는 SAM 기반 시각 토크나이저와 Qwen2 0.5B로 초기화한 소형 인코더가 포함됩니다. 디코더는 첫 OCR 버전의 3B 전문가 혼합 모델을 유지하며, 활성 파라미터는 약 500M 개입니다. 훈련은 인코더 준비, 쿼리 강화, 디코더 전문화 순으로 진행되며, 마지막 단계에서는 인코더를 고정하고 디코더를 갱신합니다. 이번 개정의 초점은 압축된 이미지 표현을 유지하면서 시각적 읽기 논리를 개선하는 데 있습니다.
출력 작업 선택하기. 자유 형식 OCR은 레이아웃 없이 인식된 텍스트에 집중합니다. Markdown 프롬프트는 레이아웃 정보를 포함한 문서 변환을 요청하여 결과를 텍스트 처리 파이프라인에서 사용하기 쉽게 만듭니다. 보고서나 논문의 결과물은 읽기 쉬운 섹션을 유지할 수 있으며 이후 검색, 요약, 참고 자료로 활용할 수 있습니다. 표에서는 숫자 필드를 추출하기 전에 행과 열의 관계가 변환 후에도 유지되었는지 살펴보세요.
여러 페이지를 처리할 때는 페이지 이미지를 원래 순서대로 준비하고 각 출력에 페이지 식별자를 함께 유지하세요. 공식 프로젝트는 결과 저장과 가속 추론을 포함한 이미지 OCR 및 PDF 처리 작업 흐름을 모두 설명합니다. 페이지 렌더링, 반복 처리, 결과 조립은 주변 프로세스의 책임입니다. 추출 오류를 원본 페이지까지 추적할 수 있도록 인식 결과와 이후 요약을 분리하세요.
문서 검토. 연구는 텍스트, 수식, 표, 읽기 순서를 살펴보며 특히 정보가 밀집된 신문 페이지를 여전히 어려운 영역으로 논의합니다. 가장 선명한 원본 이미지를 보존하고 작은 글자, 표 머리글, 아래첨자, 결정적인 값을 원문과 대조하세요. 구절을 읽을 수 없다면 더 나은 스캔이나 그 역할을 확인할 수 있을 만큼 주변 레이아웃을 유지한 확대 뷰를 확보하세요. 완전한 기록으로 취급하기 전에 출력에서 반복이나 빠진 섹션도 확인하세요.
OCR 2는 다음 작업에 사용할 인식 자료를 제공합니다. 후속 요청에서는 변환된 텍스트를 바탕으로 필드를 추출하거나 검색 가능한 노트를 만들거나 질문에 답할 수 있습니다. 제작사는 현재의 초점을 광학적 문서 읽기로 설명하며, 더 폭넓은 시각 추론과 추가 모달리티는 연구 방향으로 제시합니다. 이 버전을 선택할 때는 기대 산출물을 인식 및 문서 변환에 맞춰 구체적으로 정하세요.
", "aboutText": "DeepSeek OCR 2는 문서 이미지와 텍스트 지시를 텍스트 결과로 변환합니다. 주요 공개 프롬프트는 자유 형식 OCR과 그라운딩 정보를 포함한 문서의 Markdown 변환을 다룹니다. 두 번째 버전은 DeepEncoder V2와 시각적 인과 흐름을 도입합니다. 언어 디코더가 이미지를 해석하기 전에 인코더가 이미지 내용에 따른 읽기 순서를 학습합니다. 이는 여러 단, 표, 수식, 비선형 레이아웃이 있는 페이지에 특히 중요합니다.\n\n아키텍처와 읽기 순서. 모델은 인코더와 디코더 구조를 유지합니다. DeepEncoder V2는 이전 인코더의 CLIP 구성 요소를 소형 언어 모델 방식의 인코더로 바꿉니다. 시각 토큰은 이미지 전반의 정보를 참조할 수 있고, 학습된 인과 쿼리가 그 정보를 점진적으로 정리해 디코더에 전달할 시퀀스를 만듭니다. 이 설계는 페이지의 2차원 레이아웃과 텍스트 생성에 필요한 1차원 순서 사이의 차이를 다룹니다.\n\n이미지 준비와 해상도. 제조사의 기본 동적 해상도 모드는 1024 × 1024 전역 뷰 하나와 768 × 768 지역 뷰 0~6개를 사용합니다. 전역 뷰는 시각 토큰 256개를 생성하고 지역 뷰마다 144개가 추가되므로, 설명된 구성에서는 이미지당 256–1,120토큰을 사용합니다. 이는 공개된 모델 처리 설정이며 모든 페이지를 그 수만큼 수동으로 잘라야 한다는 요청이 아닙니다. 페이지 경계와 제목, 단, 표 사이의 관계를 유지한 읽기 쉬운 이미지를 제공하세요.\n\n인코더에는 합성곱 압축을 사용하는 SAM 기반 시각 토크나이저와 Qwen2 0.5B로 초기화한 소형 인코더가 포함됩니다. 디코더는 첫 OCR 버전의 3B 전문가 혼합 모델을 유지하며, 활성 파라미터는 약 500M 개입니다. 훈련은 인코더 준비, 쿼리 강화, 디코더 전문화 순으로 진행되며, 마지막 단계에서는 인코더를 고정하고 디코더를 갱신합니다. 이번 개정의 초점은 압축된 이미지 표현을 유지하면서 시각적 읽기 논리를 개선하는 데 있습니다.\n\n출력 작업 선택하기. 자유 형식 OCR은 레이아웃 없이 인식된 텍스트에 집중합니다. Markdown 프롬프트는 레이아웃 정보를 포함한 문서 변환을 요청하여 결과를 텍스트 처리 파이프라인에서 사용하기 쉽게 만듭니다. 보고서나 논문의 결과물은 읽기 쉬운 섹션을 유지할 수 있으며 이후 검색, 요약, 참고 자료로 활용할 수 있습니다. 표에서는 숫자 필드를 추출하기 전에 행과 열의 관계가 변환 후에도 유지되었는지 살펴보세요.\n\n여러 페이지를 처리할 때는 페이지 이미지를 원래 순서대로 준비하고 각 출력에 페이지 식별자를 함께 유지하세요. 공식 프로젝트는 결과 저장과 가속 추론을 포함한 이미지 OCR 및 PDF 처리 작업 흐름을 모두 설명합니다. 페이지 렌더링, 반복 처리, 결과 조립은 주변 프로세스의 책임입니다. 추출 오류를 원본 페이지까지 추적할 수 있도록 인식 결과와 이후 요약을 분리하세요.\n\n문서 검토. 연구는 텍스트, 수식, 표, 읽기 순서를 살펴보며 특히 정보가 밀집된 신문 페이지를 여전히 어려운 영역으로 논의합니다. 가장 선명한 원본 이미지를 보존하고 작은 글자, 표 머리글, 아래첨자, 결정적인 값을 원문과 대조하세요. 구절을 읽을 수 없다면 더 나은 스캔이나 그 역할을 확인할 수 있을 만큼 주변 레이아웃을 유지한 확대 뷰를 확보하세요. 완전한 기록으로 취급하기 전에 출력에서 반복이나 빠진 섹션도 확인하세요.\n\nOCR 2는 다음 작업에 사용할 인식 자료를 제공합니다. 후속 요청에서는 변환된 텍스트를 바탕으로 필드를 추출하거나 검색 가능한 노트를 만들거나 질문에 답할 수 있습니다. 제작사는 현재의 초점을 광학적 문서 읽기로 설명하며, 더 폭넓은 시각 추론과 추가 모달리티는 연구 방향으로 제시합니다. 이 버전을 선택할 때는 기대 산출물을 인식 및 문서 변환에 맞춰 구체적으로 정하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Structure supplied OCR text\n\nOrganize this already-transcribed page text as Markdown; do not claim to inspect an image. "STOCK COUNT / Item | Count / Washers | 18 / Bolts | 7 / Note: bolt count needs recount." Preserve the heading, table relationships and note. Do not silently correct the uncertain count or turn this into a summary.A Markdown heading, two-column table and separate note preserving the supplied wording and numbers.Verify that the bolt recount note remains attached to the table and both counts are retained.deepseek/deepseek-ocr-2DeepSeek의 두 번째 OCR 모델은 문서 이미지를 텍스트 또는 레이아웃을 반영한 Markdown으로 변환합니다. DeepEncoder V2는 읽기 논리에 따라 시각 정보를 정리하여 텍스트, 수식, 표, 복잡한 레이아웃이 함께 있는 페이지를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek OCR 2는 문서 이미지와 텍스트 지시를 텍스트 결과로 변환합니다. 주요 공개 프롬프트는 자유 형식 OCR과 그라운딩 정보를 포함한 문서의 Markdown 변환을 다룹니다. 두 번째 버전은 DeepEncoder V2와 시각적 인과 흐름을 도입합니다. 언어 디코더가 이미지를 해석하기 전에 인코더가 이미지 내용에 따른 읽기 순서를 학습합니다. 이는 여러 단, 표, 수식, 비선형 레이아웃이 있는 페이지에 특히 중요합니다.
아키텍처와 읽기 순서. 모델은 인코더와 디코더 구조를 유지합니다. DeepEncoder V2는 이전 인코더의 CLIP 구성 요소를 소형 언어 모델 방식의 인코더로 바꿉니다. 시각 토큰은 이미지 전반의 정보를 참조할 수 있고, 학습된 인과 쿼리가 그 정보를 점진적으로 정리해 디코더에 전달할 시퀀스를 만듭니다. 이 설계는 페이지의 2차원 레이아웃과 텍스트 생성에 필요한 1차원 순서 사이의 차이를 다룹니다.
이미지 준비와 해상도. 제조사의 기본 동적 해상도 모드는 1024 × 1024 전역 뷰 하나와 768 × 768 지역 뷰 0~6개를 사용합니다. 전역 뷰는 시각 토큰 256개를 생성하고 지역 뷰마다 144개가 추가되므로, 설명된 구성에서는 이미지당 256–1,120토큰을 사용합니다. 이는 공개된 모델 처리 설정이며 모든 페이지를 그 수만큼 수동으로 잘라야 한다는 요청이 아닙니다. 페이지 경계와 제목, 단, 표 사이의 관계를 유지한 읽기 쉬운 이미지를 제공하세요.
인코더에는 합성곱 압축을 사용하는 SAM 기반 시각 토크나이저와 Qwen2 0.5B로 초기화한 소형 인코더가 포함됩니다. 디코더는 첫 OCR 버전의 3B 전문가 혼합 모델을 유지하며, 활성 파라미터는 약 500M 개입니다. 훈련은 인코더 준비, 쿼리 강화, 디코더 전문화 순으로 진행되며, 마지막 단계에서는 인코더를 고정하고 디코더를 갱신합니다. 이번 개정의 초점은 압축된 이미지 표현을 유지하면서 시각적 읽기 논리를 개선하는 데 있습니다.
출력 작업 선택하기. 자유 형식 OCR은 레이아웃 없이 인식된 텍스트에 집중합니다. Markdown 프롬프트는 레이아웃 정보를 포함한 문서 변환을 요청하여 결과를 텍스트 처리 파이프라인에서 사용하기 쉽게 만듭니다. 보고서나 논문의 결과물은 읽기 쉬운 섹션을 유지할 수 있으며 이후 검색, 요약, 참고 자료로 활용할 수 있습니다. 표에서는 숫자 필드를 추출하기 전에 행과 열의 관계가 변환 후에도 유지되었는지 살펴보세요.
여러 페이지를 처리할 때는 페이지 이미지를 원래 순서대로 준비하고 각 출력에 페이지 식별자를 함께 유지하세요. 공식 프로젝트는 결과 저장과 가속 추론을 포함한 이미지 OCR 및 PDF 처리 작업 흐름을 모두 설명합니다. 페이지 렌더링, 반복 처리, 결과 조립은 주변 프로세스의 책임입니다. 추출 오류를 원본 페이지까지 추적할 수 있도록 인식 결과와 이후 요약을 분리하세요.
문서 검토. 연구는 텍스트, 수식, 표, 읽기 순서를 살펴보며 특히 정보가 밀집된 신문 페이지를 여전히 어려운 영역으로 논의합니다. 가장 선명한 원본 이미지를 보존하고 작은 글자, 표 머리글, 아래첨자, 결정적인 값을 원문과 대조하세요. 구절을 읽을 수 없다면 더 나은 스캔이나 그 역할을 확인할 수 있을 만큼 주변 레이아웃을 유지한 확대 뷰를 확보하세요. 완전한 기록으로 취급하기 전에 출력에서 반복이나 빠진 섹션도 확인하세요.
OCR 2는 다음 작업에 사용할 인식 자료를 제공합니다. 후속 요청에서는 변환된 텍스트를 바탕으로 필드를 추출하거나 검색 가능한 노트를 만들거나 질문에 답할 수 있습니다. 제작사는 현재의 초점을 광학적 문서 읽기로 설명하며, 더 폭넓은 시각 추론과 추가 모달리티는 연구 방향으로 제시합니다. 이 버전을 선택할 때는 기대 산출물을 인식 및 문서 변환에 맞춰 구체적으로 정하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-ocr-2 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.000062 / 1K 토큰 출력 · 출력 토큰 $0.000062 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "deepseek/deepseek-ocr-2", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='deepseek/deepseek-ocr-2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='deepseek/deepseek-ocr-2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra deepseek/deepseek-ocr-2
위에 표시된 메서드 경로를 사용하세요.
deepseek/deepseek-ocr-2DeepSeek의 두 번째 OCR 모델은 문서 이미지를 텍스트 또는 레이아웃을 반영한 Markdown으로 변환합니다. DeepEncoder V2는 읽기 논리에 따라 시각 정보를 정리하여 텍스트, 수식, 표, 복잡한 레이아웃이 함께 있는 페이지를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
DeepSeek OCR 2는 문서 이미지와 텍스트 지시를 텍스트 결과로 변환합니다. 주요 공개 프롬프트는 자유 형식 OCR과 그라운딩 정보를 포함한 문서의 Markdown 변환을 다룹니다. 두 번째 버전은 DeepEncoder V2와 시각적 인과 흐름을 도입합니다. 언어 디코더가 이미지를 해석하기 전에 인코더가 이미지 내용에 따른 읽기 순서를 학습합니다. 이는 여러 단, 표, 수식, 비선형 레이아웃이 있는 페이지에 특히 중요합니다.
아키텍처와 읽기 순서. 모델은 인코더와 디코더 구조를 유지합니다. DeepEncoder V2는 이전 인코더의 CLIP 구성 요소를 소형 언어 모델 방식의 인코더로 바꿉니다. 시각 토큰은 이미지 전반의 정보를 참조할 수 있고, 학습된 인과 쿼리가 그 정보를 점진적으로 정리해 디코더에 전달할 시퀀스를 만듭니다. 이 설계는 페이지의 2차원 레이아웃과 텍스트 생성에 필요한 1차원 순서 사이의 차이를 다룹니다.
이미지 준비와 해상도. 제조사의 기본 동적 해상도 모드는 1024 × 1024 전역 뷰 하나와 768 × 768 지역 뷰 0~6개를 사용합니다. 전역 뷰는 시각 토큰 256개를 생성하고 지역 뷰마다 144개가 추가되므로, 설명된 구성에서는 이미지당 256–1,120토큰을 사용합니다. 이는 공개된 모델 처리 설정이며 모든 페이지를 그 수만큼 수동으로 잘라야 한다는 요청이 아닙니다. 페이지 경계와 제목, 단, 표 사이의 관계를 유지한 읽기 쉬운 이미지를 제공하세요.
인코더에는 합성곱 압축을 사용하는 SAM 기반 시각 토크나이저와 Qwen2 0.5B로 초기화한 소형 인코더가 포함됩니다. 디코더는 첫 OCR 버전의 3B 전문가 혼합 모델을 유지하며, 활성 파라미터는 약 500M 개입니다. 훈련은 인코더 준비, 쿼리 강화, 디코더 전문화 순으로 진행되며, 마지막 단계에서는 인코더를 고정하고 디코더를 갱신합니다. 이번 개정의 초점은 압축된 이미지 표현을 유지하면서 시각적 읽기 논리를 개선하는 데 있습니다.
출력 작업 선택하기. 자유 형식 OCR은 레이아웃 없이 인식된 텍스트에 집중합니다. Markdown 프롬프트는 레이아웃 정보를 포함한 문서 변환을 요청하여 결과를 텍스트 처리 파이프라인에서 사용하기 쉽게 만듭니다. 보고서나 논문의 결과물은 읽기 쉬운 섹션을 유지할 수 있으며 이후 검색, 요약, 참고 자료로 활용할 수 있습니다. 표에서는 숫자 필드를 추출하기 전에 행과 열의 관계가 변환 후에도 유지되었는지 살펴보세요.
여러 페이지를 처리할 때는 페이지 이미지를 원래 순서대로 준비하고 각 출력에 페이지 식별자를 함께 유지하세요. 공식 프로젝트는 결과 저장과 가속 추론을 포함한 이미지 OCR 및 PDF 처리 작업 흐름을 모두 설명합니다. 페이지 렌더링, 반복 처리, 결과 조립은 주변 프로세스의 책임입니다. 추출 오류를 원본 페이지까지 추적할 수 있도록 인식 결과와 이후 요약을 분리하세요.
문서 검토. 연구는 텍스트, 수식, 표, 읽기 순서를 살펴보며 특히 정보가 밀집된 신문 페이지를 여전히 어려운 영역으로 논의합니다. 가장 선명한 원본 이미지를 보존하고 작은 글자, 표 머리글, 아래첨자, 결정적인 값을 원문과 대조하세요. 구절을 읽을 수 없다면 더 나은 스캔이나 그 역할을 확인할 수 있을 만큼 주변 레이아웃을 유지한 확대 뷰를 확보하세요. 완전한 기록으로 취급하기 전에 출력에서 반복이나 빠진 섹션도 확인하세요.
OCR 2는 다음 작업에 사용할 인식 자료를 제공합니다. 후속 요청에서는 변환된 텍스트를 바탕으로 필드를 추출하거나 검색 가능한 노트를 만들거나 질문에 답할 수 있습니다. 제작사는 현재의 초점을 광학적 문서 읽기로 설명하며, 더 폭넓은 시각 추론과 추가 모달리티는 연구 방향으로 제시합니다. 이 버전을 선택할 때는 기대 산출물을 인식 및 문서 변환에 맞춰 구체적으로 정하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 deepseek/deepseek-ocr-2 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.000062 / 1K 토큰 출력 · 출력 토큰 $0.000062 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "deepseek/deepseek-ocr-2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-ocr-2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'deepseek/deepseek-ocr-2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra deepseek/deepseek-ocr-2
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Structure supplied OCR text\n\nOrganize this already-transcribed page text as Markdown; do not claim to inspect an image. "STOCK COUNT / Item | Count / Washers | 18 / Bolts | 7 / Note: bolt count needs recount." Preserve the heading, table relationships and note. Do not silently correct the uncertain count or turn this into a summary.A Markdown heading, two-column table and separate note preserving the supplied wording and numbers.Verify that the bolt recount note remains attached to the table and both counts are retained.