DeepSeek OCR 2 menukar imej dokumen dan arahan teks kepada hasil berbentuk teks. Prompt utama yang diterbitkan merangkumi OCR bebas dan penukaran dokumen kepada Markdown dengan maklumat pautan kepada sumber visual. Edisi kedua memperkenalkan DeepEncoder V2 dan aliran sebab-akibat visual: pengekod mempelajari urutan pembacaan yang dibentuk oleh kandungan imej sebelum penyahkod bahasa mentafsirkannya. Ini amat relevan bagi halaman dengan lajur, jadual, formula dan susun atur tidak linear.
Seni bina dan urutan pembacaan. Model mengekalkan struktur pengekod dan penyahkod. DeepEncoder V2 menggantikan komponen CLIP pengekod terdahulu dengan pengekod kompak bergaya model bahasa. Token visual boleh memberi perhatian merentas imej, manakala pertanyaan kausal yang dipelajari menyusun maklumat itu secara beransur-ansur menjadi urutan untuk penyahkod. Reka bentuk ini menangani perbezaan antara susun atur dua dimensi halaman dengan urutan satu dimensi yang diperlukan untuk menjana teksnya.
Penyediaan imej dan resolusi. Mod resolusi dinamik lalai pengeluar menggunakan satu pandangan global 1024 × 1024 dan sifar hingga enam pandangan setempat 768 × 768. Pandangan global menghasilkan 256 token visual dan setiap pandangan setempat menambah 144, memberikan 256–1,120 token bagi setiap imej dalam persediaan yang dihuraikan. Ini ialah tetapan pemprosesan model yang diterbitkan, bukannya permintaan untuk memotong setiap halaman secara manual kepada bilangan bahagian tersebut. Berikan imej yang boleh dibaca dan mengekalkan sempadan halaman serta hubungan antara tajuk, lajur dan jadual.
Pengekod merangkumi pentoken visual berasaskan SAM dengan pemampatan konvolusi dan pengekod kompak yang dimulakan daripada Qwen2 0.5B. Penyahkod kekal sebagai model campuran pakar 3B edisi OCR pertama, dengan kira-kira 500 juta parameter aktif. Latihan berlangsung melalui penyediaan pengekod, peningkatan pertanyaan dan pengkhususan penyahkod; peringkat akhir membekukan pengekod dan mengemas kini penyahkod. Tumpuan semakan ini ialah logik pembacaan visual yang lebih baik sambil mengekalkan perwakilan imej termampat.
Pilih tugasan output. OCR bebas menumpukan pada teks yang dikenal pasti tanpa susun atur. Prompt Markdown meminta penukaran dokumen dengan maklumat susun atur, menjadikan hasil lebih mudah digunakan dalam saluran pemprosesan teks. Untuk laporan atau makalah, artifak yang terhasil boleh mengekalkan bahagian yang mudah dibaca, yang kemudian boleh anda cari, ringkaskan atau gunakan sebagai bahan rujukan. Untuk jadual, periksa sama ada hubungan baris dan lajur kekal selepas penukaran sebelum mengekstrak medan berangka daripadanya.
Untuk koleksi halaman, sediakan imej halaman dalam urutan asalnya dan kekalkan pengecam halaman bersama setiap output. Projek rasmi menerangkan aliran kerja OCR imej serta pemprosesan PDF, termasuk penyimpanan hasil dan inferens dipercepat. Pemaparan halaman, lelaran dan penyusunan ialah tanggungjawab proses sekeliling. Asingkan output yang dikenal pasti daripada sebarang ringkasan kemudian supaya ralat pengekstrakan boleh dijejak kembali kepada halaman sumbernya.
Semakan dokumen. Penyelidikan meneliti teks, formula, jadual dan urutan pembacaan, serta membincangkan halaman surat khabar yang sangat padat sebagai bidang yang masih sukar. Kekalkan imej sumber paling jelas dan semak teks kecil, tajuk jadual, subskrip serta nilai penentu berdasarkan dokumen asal. Jika sesuatu petikan tidak dapat dibaca, dapatkan imbasan yang lebih baik atau pandangan berfokus yang mengekalkan susun atur sekeliling yang mencukupi untuk menentukan peranannya. Periksa juga output bagi pengulangan atau bahagian yang tertinggal sebelum menganggapnya sebagai rekod lengkap.
OCR 2 membekalkan bahan yang dikenal pasti untuk tugasan seterusnya. Permintaan hiliran kemudian boleh mengekstrak medan, membina nota yang boleh dicari atau menjawab soalan daripada teks yang ditukar. Pengeluar menerangkan pembacaan dokumen optik sebagai tumpuan semasa; penaakulan visual yang lebih luas dan modaliti tambahan ialah hala tuju penyelidikan. Kekalkan artifak yang dijangka khusus kepada pengecaman dan penukaran dokumen apabila memilih edisi ini.
", "aboutText": "DeepSeek OCR 2 menukar imej dokumen dan arahan teks kepada hasil berbentuk teks. Prompt utama yang diterbitkan merangkumi OCR bebas dan penukaran dokumen kepada Markdown dengan maklumat pautan kepada sumber visual. Edisi kedua memperkenalkan DeepEncoder V2 dan aliran sebab-akibat visual: pengekod mempelajari urutan pembacaan yang dibentuk oleh kandungan imej sebelum penyahkod bahasa mentafsirkannya. Ini amat relevan bagi halaman dengan lajur, jadual, formula dan susun atur tidak linear.\n\nSeni bina dan urutan pembacaan. Model mengekalkan struktur pengekod dan penyahkod. DeepEncoder V2 menggantikan komponen CLIP pengekod terdahulu dengan pengekod kompak bergaya model bahasa. Token visual boleh memberi perhatian merentas imej, manakala pertanyaan kausal yang dipelajari menyusun maklumat itu secara beransur-ansur menjadi urutan untuk penyahkod. Reka bentuk ini menangani perbezaan antara susun atur dua dimensi halaman dengan urutan satu dimensi yang diperlukan untuk menjana teksnya.\n\nPenyediaan imej dan resolusi. Mod resolusi dinamik lalai pengeluar menggunakan satu pandangan global 1024 × 1024 dan sifar hingga enam pandangan setempat 768 × 768. Pandangan global menghasilkan 256 token visual dan setiap pandangan setempat menambah 144, memberikan 256–1,120 token bagi setiap imej dalam persediaan yang dihuraikan. Ini ialah tetapan pemprosesan model yang diterbitkan, bukannya permintaan untuk memotong setiap halaman secara manual kepada bilangan bahagian tersebut. Berikan imej yang boleh dibaca dan mengekalkan sempadan halaman serta hubungan antara tajuk, lajur dan jadual.\n\nPengekod merangkumi pentoken visual berasaskan SAM dengan pemampatan konvolusi dan pengekod kompak yang dimulakan daripada Qwen2 0.5B. Penyahkod kekal sebagai model campuran pakar 3B edisi OCR pertama, dengan kira-kira 500 juta parameter aktif. Latihan berlangsung melalui penyediaan pengekod, peningkatan pertanyaan dan pengkhususan penyahkod; peringkat akhir membekukan pengekod dan mengemas kini penyahkod. Tumpuan semakan ini ialah logik pembacaan visual yang lebih baik sambil mengekalkan perwakilan imej termampat.\n\nPilih tugasan output. OCR bebas menumpukan pada teks yang dikenal pasti tanpa susun atur. Prompt Markdown meminta penukaran dokumen dengan maklumat susun atur, menjadikan hasil lebih mudah digunakan dalam saluran pemprosesan teks. Untuk laporan atau makalah, artifak yang terhasil boleh mengekalkan bahagian yang mudah dibaca, yang kemudian boleh anda cari, ringkaskan atau gunakan sebagai bahan rujukan. Untuk jadual, periksa sama ada hubungan baris dan lajur kekal selepas penukaran sebelum mengekstrak medan berangka daripadanya.\n\nUntuk koleksi halaman, sediakan imej halaman dalam urutan asalnya dan kekalkan pengecam halaman bersama setiap output. Projek rasmi menerangkan aliran kerja OCR imej serta pemprosesan PDF, termasuk penyimpanan hasil dan inferens dipercepat. Pemaparan halaman, lelaran dan penyusunan ialah tanggungjawab proses sekeliling. Asingkan output yang dikenal pasti daripada sebarang ringkasan kemudian supaya ralat pengekstrakan boleh dijejak kembali kepada halaman sumbernya.\n\nSemakan dokumen. Penyelidikan meneliti teks, formula, jadual dan urutan pembacaan, serta membincangkan halaman surat khabar yang sangat padat sebagai bidang yang masih sukar. Kekalkan imej sumber paling jelas dan semak teks kecil, tajuk jadual, subskrip serta nilai penentu berdasarkan dokumen asal. Jika sesuatu petikan tidak dapat dibaca, dapatkan imbasan yang lebih baik atau pandangan berfokus yang mengekalkan susun atur sekeliling yang mencukupi untuk menentukan peranannya. Periksa juga output bagi pengulangan atau bahagian yang tertinggal sebelum menganggapnya sebagai rekod lengkap.\n\nOCR 2 membekalkan bahan yang dikenal pasti untuk tugasan seterusnya. Permintaan hiliran kemudian boleh mengekstrak medan, membina nota yang boleh dicari atau menjawab soalan daripada teks yang ditukar. Pengeluar menerangkan pembacaan dokumen optik sebagai tumpuan semasa; penaakulan visual yang lebih luas dan modaliti tambahan ialah hala tuju penyelidikan. Kekalkan artifak yang dijangka khusus kepada pengecaman dan penukaran dokumen apabila memilih edisi ini.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
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-2Model OCR kedua DeepSeek menukar imej dokumen kepada teks atau Markdown yang peka terhadap susun atur. DeepEncoder V2 menyusun maklumat visual mengikut logik pembacaan, menyokong halaman yang menggabungkan teks, formula, jadual dan susun atur kompleks.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
DeepSeek OCR 2 menukar imej dokumen dan arahan teks kepada hasil berbentuk teks. Prompt utama yang diterbitkan merangkumi OCR bebas dan penukaran dokumen kepada Markdown dengan maklumat pautan kepada sumber visual. Edisi kedua memperkenalkan DeepEncoder V2 dan aliran sebab-akibat visual: pengekod mempelajari urutan pembacaan yang dibentuk oleh kandungan imej sebelum penyahkod bahasa mentafsirkannya. Ini amat relevan bagi halaman dengan lajur, jadual, formula dan susun atur tidak linear.
Seni bina dan urutan pembacaan. Model mengekalkan struktur pengekod dan penyahkod. DeepEncoder V2 menggantikan komponen CLIP pengekod terdahulu dengan pengekod kompak bergaya model bahasa. Token visual boleh memberi perhatian merentas imej, manakala pertanyaan kausal yang dipelajari menyusun maklumat itu secara beransur-ansur menjadi urutan untuk penyahkod. Reka bentuk ini menangani perbezaan antara susun atur dua dimensi halaman dengan urutan satu dimensi yang diperlukan untuk menjana teksnya.
Penyediaan imej dan resolusi. Mod resolusi dinamik lalai pengeluar menggunakan satu pandangan global 1024 × 1024 dan sifar hingga enam pandangan setempat 768 × 768. Pandangan global menghasilkan 256 token visual dan setiap pandangan setempat menambah 144, memberikan 256–1,120 token bagi setiap imej dalam persediaan yang dihuraikan. Ini ialah tetapan pemprosesan model yang diterbitkan, bukannya permintaan untuk memotong setiap halaman secara manual kepada bilangan bahagian tersebut. Berikan imej yang boleh dibaca dan mengekalkan sempadan halaman serta hubungan antara tajuk, lajur dan jadual.
Pengekod merangkumi pentoken visual berasaskan SAM dengan pemampatan konvolusi dan pengekod kompak yang dimulakan daripada Qwen2 0.5B. Penyahkod kekal sebagai model campuran pakar 3B edisi OCR pertama, dengan kira-kira 500 juta parameter aktif. Latihan berlangsung melalui penyediaan pengekod, peningkatan pertanyaan dan pengkhususan penyahkod; peringkat akhir membekukan pengekod dan mengemas kini penyahkod. Tumpuan semakan ini ialah logik pembacaan visual yang lebih baik sambil mengekalkan perwakilan imej termampat.
Pilih tugasan output. OCR bebas menumpukan pada teks yang dikenal pasti tanpa susun atur. Prompt Markdown meminta penukaran dokumen dengan maklumat susun atur, menjadikan hasil lebih mudah digunakan dalam saluran pemprosesan teks. Untuk laporan atau makalah, artifak yang terhasil boleh mengekalkan bahagian yang mudah dibaca, yang kemudian boleh anda cari, ringkaskan atau gunakan sebagai bahan rujukan. Untuk jadual, periksa sama ada hubungan baris dan lajur kekal selepas penukaran sebelum mengekstrak medan berangka daripadanya.
Untuk koleksi halaman, sediakan imej halaman dalam urutan asalnya dan kekalkan pengecam halaman bersama setiap output. Projek rasmi menerangkan aliran kerja OCR imej serta pemprosesan PDF, termasuk penyimpanan hasil dan inferens dipercepat. Pemaparan halaman, lelaran dan penyusunan ialah tanggungjawab proses sekeliling. Asingkan output yang dikenal pasti daripada sebarang ringkasan kemudian supaya ralat pengekstrakan boleh dijejak kembali kepada halaman sumbernya.
Semakan dokumen. Penyelidikan meneliti teks, formula, jadual dan urutan pembacaan, serta membincangkan halaman surat khabar yang sangat padat sebagai bidang yang masih sukar. Kekalkan imej sumber paling jelas dan semak teks kecil, tajuk jadual, subskrip serta nilai penentu berdasarkan dokumen asal. Jika sesuatu petikan tidak dapat dibaca, dapatkan imbasan yang lebih baik atau pandangan berfokus yang mengekalkan susun atur sekeliling yang mencukupi untuk menentukan peranannya. Periksa juga output bagi pengulangan atau bahagian yang tertinggal sebelum menganggapnya sebagai rekod lengkap.
OCR 2 membekalkan bahan yang dikenal pasti untuk tugasan seterusnya. Permintaan hiliran kemudian boleh mengekstrak medan, membina nota yang boleh dicari atau menjawab soalan daripada teks yang ditukar. Pengeluar menerangkan pembacaan dokumen optik sebagai tumpuan semasa; penaakulan visual yang lebih luas dan modaliti tambahan ialah hala tuju penyelidikan. Kekalkan artifak yang dijangka khusus kepada pengecaman dan penukaran dokumen apabila memilih edisi ini.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had deepseek/deepseek-ocr-2 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.000062 / 1K token Output · Token output $0.000062 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra deepseek/deepseek-ocr-2
Gunakan laluan kaedah yang dipaparkan di atas.
deepseek/deepseek-ocr-2Model OCR kedua DeepSeek menukar imej dokumen kepada teks atau Markdown yang peka terhadap susun atur. DeepEncoder V2 menyusun maklumat visual mengikut logik pembacaan, menyokong halaman yang menggabungkan teks, formula, jadual dan susun atur kompleks.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
DeepSeek OCR 2 menukar imej dokumen dan arahan teks kepada hasil berbentuk teks. Prompt utama yang diterbitkan merangkumi OCR bebas dan penukaran dokumen kepada Markdown dengan maklumat pautan kepada sumber visual. Edisi kedua memperkenalkan DeepEncoder V2 dan aliran sebab-akibat visual: pengekod mempelajari urutan pembacaan yang dibentuk oleh kandungan imej sebelum penyahkod bahasa mentafsirkannya. Ini amat relevan bagi halaman dengan lajur, jadual, formula dan susun atur tidak linear.
Seni bina dan urutan pembacaan. Model mengekalkan struktur pengekod dan penyahkod. DeepEncoder V2 menggantikan komponen CLIP pengekod terdahulu dengan pengekod kompak bergaya model bahasa. Token visual boleh memberi perhatian merentas imej, manakala pertanyaan kausal yang dipelajari menyusun maklumat itu secara beransur-ansur menjadi urutan untuk penyahkod. Reka bentuk ini menangani perbezaan antara susun atur dua dimensi halaman dengan urutan satu dimensi yang diperlukan untuk menjana teksnya.
Penyediaan imej dan resolusi. Mod resolusi dinamik lalai pengeluar menggunakan satu pandangan global 1024 × 1024 dan sifar hingga enam pandangan setempat 768 × 768. Pandangan global menghasilkan 256 token visual dan setiap pandangan setempat menambah 144, memberikan 256–1,120 token bagi setiap imej dalam persediaan yang dihuraikan. Ini ialah tetapan pemprosesan model yang diterbitkan, bukannya permintaan untuk memotong setiap halaman secara manual kepada bilangan bahagian tersebut. Berikan imej yang boleh dibaca dan mengekalkan sempadan halaman serta hubungan antara tajuk, lajur dan jadual.
Pengekod merangkumi pentoken visual berasaskan SAM dengan pemampatan konvolusi dan pengekod kompak yang dimulakan daripada Qwen2 0.5B. Penyahkod kekal sebagai model campuran pakar 3B edisi OCR pertama, dengan kira-kira 500 juta parameter aktif. Latihan berlangsung melalui penyediaan pengekod, peningkatan pertanyaan dan pengkhususan penyahkod; peringkat akhir membekukan pengekod dan mengemas kini penyahkod. Tumpuan semakan ini ialah logik pembacaan visual yang lebih baik sambil mengekalkan perwakilan imej termampat.
Pilih tugasan output. OCR bebas menumpukan pada teks yang dikenal pasti tanpa susun atur. Prompt Markdown meminta penukaran dokumen dengan maklumat susun atur, menjadikan hasil lebih mudah digunakan dalam saluran pemprosesan teks. Untuk laporan atau makalah, artifak yang terhasil boleh mengekalkan bahagian yang mudah dibaca, yang kemudian boleh anda cari, ringkaskan atau gunakan sebagai bahan rujukan. Untuk jadual, periksa sama ada hubungan baris dan lajur kekal selepas penukaran sebelum mengekstrak medan berangka daripadanya.
Untuk koleksi halaman, sediakan imej halaman dalam urutan asalnya dan kekalkan pengecam halaman bersama setiap output. Projek rasmi menerangkan aliran kerja OCR imej serta pemprosesan PDF, termasuk penyimpanan hasil dan inferens dipercepat. Pemaparan halaman, lelaran dan penyusunan ialah tanggungjawab proses sekeliling. Asingkan output yang dikenal pasti daripada sebarang ringkasan kemudian supaya ralat pengekstrakan boleh dijejak kembali kepada halaman sumbernya.
Semakan dokumen. Penyelidikan meneliti teks, formula, jadual dan urutan pembacaan, serta membincangkan halaman surat khabar yang sangat padat sebagai bidang yang masih sukar. Kekalkan imej sumber paling jelas dan semak teks kecil, tajuk jadual, subskrip serta nilai penentu berdasarkan dokumen asal. Jika sesuatu petikan tidak dapat dibaca, dapatkan imbasan yang lebih baik atau pandangan berfokus yang mengekalkan susun atur sekeliling yang mencukupi untuk menentukan peranannya. Periksa juga output bagi pengulangan atau bahagian yang tertinggal sebelum menganggapnya sebagai rekod lengkap.
OCR 2 membekalkan bahan yang dikenal pasti untuk tugasan seterusnya. Permintaan hiliran kemudian boleh mengekstrak medan, membina nota yang boleh dicari atau menjawab soalan daripada teks yang ditukar. Pengeluar menerangkan pembacaan dokumen optik sebagai tumpuan semasa; penaakulan visual yang lebih luas dan modaliti tambahan ialah hala tuju penyelidikan. Kekalkan artifak yang dijangka khusus kepada pengecaman dan penukaran dokumen apabila memilih edisi ini.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had deepseek/deepseek-ocr-2 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.000062 / 1K token Output · Token output $0.000062 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "deepseek/deepseek-ocr-2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra deepseek/deepseek-ocr-2
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
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.