DeepSeek OCR 2 pretvori sliko dokumenta in besedilno navodilo v besedilni rezultat. Njegovi glavni objavljeni pozivi zajemajo prosti OCR in pretvarjanje dokumenta v Markdown z informacijami o položaju vsebine. Druga izdaja uvaja DeepEncoder V2 in vizualni vzročni tok: kodirnik se nauči vrstnega reda branja, ki ga oblikuje vsebina slike, preden jo razloži jezikovni dekodirnik. To je zlasti pomembno pri straneh s stolpci, tabelami, formulami in nelinearnimi postavitvami.
Arhitektura in vrstni red branja. Model ohranja strukturo kodirnika in dekodirnika. DeepEncoder V2 zamenja komponento CLIP prejšnjega kodirnika s kompaktnim kodirnikom, zasnovanim po slogu jezikovnega modela. Vizualni žetoni lahko z mehanizmom pozornosti obravnavajo celotno sliko, naučene vzročne poizvedbe pa te informacije postopoma uredijo v zaporedje za dekodirnik. Zasnova obravnava razliko med dvodimenzionalno postavitvijo strani in enodimenzionalnim vrstnim redom, potrebnim za ustvarjanje njenega besedila.
Priprava slike in ločljivost. Proizvajalčev privzeti način dinamične ločljivosti uporablja en globalni pogled 1024 × 1024 in od nič do šest lokalnih pogledov 768 × 768. Globalni pogled ustvari 256 vizualnih žetonov, vsak lokalni pogled pa doda 144, kar v opisani nastavitvi pomeni 256–1,120 žetonov na sliko. To so objavljene nastavitve obdelave modela, ne zahteva, da vsako stran ročno razrežete na toliko delov. Priložite berljivo sliko, ki ohrani robove strani in povezave med naslovi, stolpci in tabelami.
Kodirnik vključuje vizualni tokenizator na osnovi SAM s konvolucijskim stiskanjem ter kompakten kodirnik, inicializiran iz Qwen2 0.5B. Dekodirnik ostaja model z mešanico ekspertov 3B iz prve izdaje OCR, s približno 500 milijoni aktivnih parametrov. Učenje poteka prek priprave kodirnika, izboljšanja poizvedb in specializacije dekodirnika; zadnja stopnja zamrzne kodirnik in posodablja dekodirnik. Poudarek te posodobitve je boljša vizualna logika branja ob ohranjanju stisnjenih predstavitev slik.
Izberite izhodno nalogo. Prosti OCR se osredotoča na prepoznano besedilo brez postavitve. Poziv za Markdown zahteva pretvorbo dokumenta z informacijami o postavitvi, zato je rezultat lažje uporabiti v postopku obdelave besedila. Pri poročilu ali članku lahko nastali izdelek ohrani berljive razdelke, po katerih pozneje iščete, jih povzemate ali uporabite kot referenčno gradivo. Pri tabeli preverite, ali so povezave med vrsticami in stolpci preživele pretvorbo, preden iz nje izluščite številska polja.
Za zbirko strani pripravite slike strani v prvotnem vrstnem redu in ob vsakem izhodu ohranite identifikator strani. Uradni projekt opisuje tako OCR slik kot postopke obdelave PDF, vključno s shranjevanjem rezultatov in pospešenim izvajanjem modela. Izrisovanje strani, ponavljanje in sestavljanje so odgovornost okoliškega procesa. Prepoznani izhod ločite od vsakega poznejšega povzetka, da je mogoče napako pri zajemu povezati z njeno izvorno stranjo.
Pregled dokumenta. Raziskava preučuje besedilo, formule, tabele in vrstni red branja ter kot področje, ki ostaja zahtevno, obravnava posebej goste časopisne strani. Ohranite najjasnejšo izvorno sliko in drobno besedilo, naslove tabel, indekse ter odločilne vrednosti preverite glede na izvirnik. Če je odlomek neberljiv, pridobite boljši sken ali osredotočen pogled, ki ohrani dovolj okoliške postavitve za določitev njegove vloge. Preverite tudi, ali se izhod ponavlja ali izpušča razdelke, preden ga obravnavate kot popoln zapis.
OCR 2 zagotovi prepoznano gradivo za naslednjo nalogo. Nadaljnja zahteva lahko nato izlušči polja, sestavi beležko, po kateri je mogoče iskati, ali odgovori na vprašanje iz pretvorjenega besedila. Proizvajalec kot trenutni poudarek opisuje optično branje dokumentov; širše vizualno sklepanje in dodatne modalnosti so raziskovalne smeri. Pri izbiri te izdaje naj pričakovani izdelek ostane konkretno povezan s prepoznavanjem in pretvorbo dokumentov.
", "aboutText": "DeepSeek OCR 2 pretvori sliko dokumenta in besedilno navodilo v besedilni rezultat. Njegovi glavni objavljeni pozivi zajemajo prosti OCR in pretvarjanje dokumenta v Markdown z informacijami o položaju vsebine. Druga izdaja uvaja DeepEncoder V2 in vizualni vzročni tok: kodirnik se nauči vrstnega reda branja, ki ga oblikuje vsebina slike, preden jo razloži jezikovni dekodirnik. To je zlasti pomembno pri straneh s stolpci, tabelami, formulami in nelinearnimi postavitvami.\n\nArhitektura in vrstni red branja. Model ohranja strukturo kodirnika in dekodirnika. DeepEncoder V2 zamenja komponento CLIP prejšnjega kodirnika s kompaktnim kodirnikom, zasnovanim po slogu jezikovnega modela. Vizualni žetoni lahko z mehanizmom pozornosti obravnavajo celotno sliko, naučene vzročne poizvedbe pa te informacije postopoma uredijo v zaporedje za dekodirnik. Zasnova obravnava razliko med dvodimenzionalno postavitvijo strani in enodimenzionalnim vrstnim redom, potrebnim za ustvarjanje njenega besedila.\n\nPriprava slike in ločljivost. Proizvajalčev privzeti način dinamične ločljivosti uporablja en globalni pogled 1024 × 1024 in od nič do šest lokalnih pogledov 768 × 768. Globalni pogled ustvari 256 vizualnih žetonov, vsak lokalni pogled pa doda 144, kar v opisani nastavitvi pomeni 256–1,120 žetonov na sliko. To so objavljene nastavitve obdelave modela, ne zahteva, da vsako stran ročno razrežete na toliko delov. Priložite berljivo sliko, ki ohrani robove strani in povezave med naslovi, stolpci in tabelami.\n\nKodirnik vključuje vizualni tokenizator na osnovi SAM s konvolucijskim stiskanjem ter kompakten kodirnik, inicializiran iz Qwen2 0.5B. Dekodirnik ostaja model z mešanico ekspertov 3B iz prve izdaje OCR, s približno 500 milijoni aktivnih parametrov. Učenje poteka prek priprave kodirnika, izboljšanja poizvedb in specializacije dekodirnika; zadnja stopnja zamrzne kodirnik in posodablja dekodirnik. Poudarek te posodobitve je boljša vizualna logika branja ob ohranjanju stisnjenih predstavitev slik.\n\nIzberite izhodno nalogo. Prosti OCR se osredotoča na prepoznano besedilo brez postavitve. Poziv za Markdown zahteva pretvorbo dokumenta z informacijami o postavitvi, zato je rezultat lažje uporabiti v postopku obdelave besedila. Pri poročilu ali članku lahko nastali izdelek ohrani berljive razdelke, po katerih pozneje iščete, jih povzemate ali uporabite kot referenčno gradivo. Pri tabeli preverite, ali so povezave med vrsticami in stolpci preživele pretvorbo, preden iz nje izluščite številska polja.\n\nZa zbirko strani pripravite slike strani v prvotnem vrstnem redu in ob vsakem izhodu ohranite identifikator strani. Uradni projekt opisuje tako OCR slik kot postopke obdelave PDF, vključno s shranjevanjem rezultatov in pospešenim izvajanjem modela. Izrisovanje strani, ponavljanje in sestavljanje so odgovornost okoliškega procesa. Prepoznani izhod ločite od vsakega poznejšega povzetka, da je mogoče napako pri zajemu povezati z njeno izvorno stranjo.\n\nPregled dokumenta. Raziskava preučuje besedilo, formule, tabele in vrstni red branja ter kot področje, ki ostaja zahtevno, obravnava posebej goste časopisne strani. Ohranite najjasnejšo izvorno sliko in drobno besedilo, naslove tabel, indekse ter odločilne vrednosti preverite glede na izvirnik. Če je odlomek neberljiv, pridobite boljši sken ali osredotočen pogled, ki ohrani dovolj okoliške postavitve za določitev njegove vloge. Preverite tudi, ali se izhod ponavlja ali izpušča razdelke, preden ga obravnavate kot popoln zapis.\n\nOCR 2 zagotovi prepoznano gradivo za naslednjo nalogo. Nadaljnja zahteva lahko nato izlušči polja, sestavi beležko, po kateri je mogoče iskati, ali odgovori na vprašanje iz pretvorjenega besedila. Proizvajalec kot trenutni poudarek opisuje optično branje dokumentov; širše vizualno sklepanje in dodatne modalnosti so raziskovalne smeri. Pri izbiri te izdaje naj pričakovani izdelek ostane konkretno povezan s prepoznavanjem in pretvorbo dokumentov.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
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-2Drugi model OCR podjetja DeepSeek pretvarja slike dokumentov v besedilo ali Markdown, ki upošteva postavitev. Njegov DeepEncoder V2 organizira vizualne informacije po logiki branja ter podpira strani, ki združujejo besedilo, formule, tabele in zapletene postavitve.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
DeepSeek OCR 2 pretvori sliko dokumenta in besedilno navodilo v besedilni rezultat. Njegovi glavni objavljeni pozivi zajemajo prosti OCR in pretvarjanje dokumenta v Markdown z informacijami o položaju vsebine. Druga izdaja uvaja DeepEncoder V2 in vizualni vzročni tok: kodirnik se nauči vrstnega reda branja, ki ga oblikuje vsebina slike, preden jo razloži jezikovni dekodirnik. To je zlasti pomembno pri straneh s stolpci, tabelami, formulami in nelinearnimi postavitvami.
Arhitektura in vrstni red branja. Model ohranja strukturo kodirnika in dekodirnika. DeepEncoder V2 zamenja komponento CLIP prejšnjega kodirnika s kompaktnim kodirnikom, zasnovanim po slogu jezikovnega modela. Vizualni žetoni lahko z mehanizmom pozornosti obravnavajo celotno sliko, naučene vzročne poizvedbe pa te informacije postopoma uredijo v zaporedje za dekodirnik. Zasnova obravnava razliko med dvodimenzionalno postavitvijo strani in enodimenzionalnim vrstnim redom, potrebnim za ustvarjanje njenega besedila.
Priprava slike in ločljivost. Proizvajalčev privzeti način dinamične ločljivosti uporablja en globalni pogled 1024 × 1024 in od nič do šest lokalnih pogledov 768 × 768. Globalni pogled ustvari 256 vizualnih žetonov, vsak lokalni pogled pa doda 144, kar v opisani nastavitvi pomeni 256–1,120 žetonov na sliko. To so objavljene nastavitve obdelave modela, ne zahteva, da vsako stran ročno razrežete na toliko delov. Priložite berljivo sliko, ki ohrani robove strani in povezave med naslovi, stolpci in tabelami.
Kodirnik vključuje vizualni tokenizator na osnovi SAM s konvolucijskim stiskanjem ter kompakten kodirnik, inicializiran iz Qwen2 0.5B. Dekodirnik ostaja model z mešanico ekspertov 3B iz prve izdaje OCR, s približno 500 milijoni aktivnih parametrov. Učenje poteka prek priprave kodirnika, izboljšanja poizvedb in specializacije dekodirnika; zadnja stopnja zamrzne kodirnik in posodablja dekodirnik. Poudarek te posodobitve je boljša vizualna logika branja ob ohranjanju stisnjenih predstavitev slik.
Izberite izhodno nalogo. Prosti OCR se osredotoča na prepoznano besedilo brez postavitve. Poziv za Markdown zahteva pretvorbo dokumenta z informacijami o postavitvi, zato je rezultat lažje uporabiti v postopku obdelave besedila. Pri poročilu ali članku lahko nastali izdelek ohrani berljive razdelke, po katerih pozneje iščete, jih povzemate ali uporabite kot referenčno gradivo. Pri tabeli preverite, ali so povezave med vrsticami in stolpci preživele pretvorbo, preden iz nje izluščite številska polja.
Za zbirko strani pripravite slike strani v prvotnem vrstnem redu in ob vsakem izhodu ohranite identifikator strani. Uradni projekt opisuje tako OCR slik kot postopke obdelave PDF, vključno s shranjevanjem rezultatov in pospešenim izvajanjem modela. Izrisovanje strani, ponavljanje in sestavljanje so odgovornost okoliškega procesa. Prepoznani izhod ločite od vsakega poznejšega povzetka, da je mogoče napako pri zajemu povezati z njeno izvorno stranjo.
Pregled dokumenta. Raziskava preučuje besedilo, formule, tabele in vrstni red branja ter kot področje, ki ostaja zahtevno, obravnava posebej goste časopisne strani. Ohranite najjasnejšo izvorno sliko in drobno besedilo, naslove tabel, indekse ter odločilne vrednosti preverite glede na izvirnik. Če je odlomek neberljiv, pridobite boljši sken ali osredotočen pogled, ki ohrani dovolj okoliške postavitve za določitev njegove vloge. Preverite tudi, ali se izhod ponavlja ali izpušča razdelke, preden ga obravnavate kot popoln zapis.
OCR 2 zagotovi prepoznano gradivo za naslednjo nalogo. Nadaljnja zahteva lahko nato izlušči polja, sestavi beležko, po kateri je mogoče iskati, ali odgovori na vprašanje iz pretvorjenega besedila. Proizvajalec kot trenutni poudarek opisuje optično branje dokumentov; širše vizualno sklepanje in dodatne modalnosti so raziskovalne smeri. Pri izbiri te izdaje naj pričakovani izdelek ostane konkretno povezan s prepoznavanjem in pretvorbo dokumentov.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve deepseek/deepseek-ocr-2 | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.000062 / 1K žetonov Izhod · Izhodni žetoni $0.000062 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra deepseek/deepseek-ocr-2
Uporabite zgoraj navedene poti metod.
deepseek/deepseek-ocr-2Drugi model OCR podjetja DeepSeek pretvarja slike dokumentov v besedilo ali Markdown, ki upošteva postavitev. Njegov DeepEncoder V2 organizira vizualne informacije po logiki branja ter podpira strani, ki združujejo besedilo, formule, tabele in zapletene postavitve.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
DeepSeek OCR 2 pretvori sliko dokumenta in besedilno navodilo v besedilni rezultat. Njegovi glavni objavljeni pozivi zajemajo prosti OCR in pretvarjanje dokumenta v Markdown z informacijami o položaju vsebine. Druga izdaja uvaja DeepEncoder V2 in vizualni vzročni tok: kodirnik se nauči vrstnega reda branja, ki ga oblikuje vsebina slike, preden jo razloži jezikovni dekodirnik. To je zlasti pomembno pri straneh s stolpci, tabelami, formulami in nelinearnimi postavitvami.
Arhitektura in vrstni red branja. Model ohranja strukturo kodirnika in dekodirnika. DeepEncoder V2 zamenja komponento CLIP prejšnjega kodirnika s kompaktnim kodirnikom, zasnovanim po slogu jezikovnega modela. Vizualni žetoni lahko z mehanizmom pozornosti obravnavajo celotno sliko, naučene vzročne poizvedbe pa te informacije postopoma uredijo v zaporedje za dekodirnik. Zasnova obravnava razliko med dvodimenzionalno postavitvijo strani in enodimenzionalnim vrstnim redom, potrebnim za ustvarjanje njenega besedila.
Priprava slike in ločljivost. Proizvajalčev privzeti način dinamične ločljivosti uporablja en globalni pogled 1024 × 1024 in od nič do šest lokalnih pogledov 768 × 768. Globalni pogled ustvari 256 vizualnih žetonov, vsak lokalni pogled pa doda 144, kar v opisani nastavitvi pomeni 256–1,120 žetonov na sliko. To so objavljene nastavitve obdelave modela, ne zahteva, da vsako stran ročno razrežete na toliko delov. Priložite berljivo sliko, ki ohrani robove strani in povezave med naslovi, stolpci in tabelami.
Kodirnik vključuje vizualni tokenizator na osnovi SAM s konvolucijskim stiskanjem ter kompakten kodirnik, inicializiran iz Qwen2 0.5B. Dekodirnik ostaja model z mešanico ekspertov 3B iz prve izdaje OCR, s približno 500 milijoni aktivnih parametrov. Učenje poteka prek priprave kodirnika, izboljšanja poizvedb in specializacije dekodirnika; zadnja stopnja zamrzne kodirnik in posodablja dekodirnik. Poudarek te posodobitve je boljša vizualna logika branja ob ohranjanju stisnjenih predstavitev slik.
Izberite izhodno nalogo. Prosti OCR se osredotoča na prepoznano besedilo brez postavitve. Poziv za Markdown zahteva pretvorbo dokumenta z informacijami o postavitvi, zato je rezultat lažje uporabiti v postopku obdelave besedila. Pri poročilu ali članku lahko nastali izdelek ohrani berljive razdelke, po katerih pozneje iščete, jih povzemate ali uporabite kot referenčno gradivo. Pri tabeli preverite, ali so povezave med vrsticami in stolpci preživele pretvorbo, preden iz nje izluščite številska polja.
Za zbirko strani pripravite slike strani v prvotnem vrstnem redu in ob vsakem izhodu ohranite identifikator strani. Uradni projekt opisuje tako OCR slik kot postopke obdelave PDF, vključno s shranjevanjem rezultatov in pospešenim izvajanjem modela. Izrisovanje strani, ponavljanje in sestavljanje so odgovornost okoliškega procesa. Prepoznani izhod ločite od vsakega poznejšega povzetka, da je mogoče napako pri zajemu povezati z njeno izvorno stranjo.
Pregled dokumenta. Raziskava preučuje besedilo, formule, tabele in vrstni red branja ter kot področje, ki ostaja zahtevno, obravnava posebej goste časopisne strani. Ohranite najjasnejšo izvorno sliko in drobno besedilo, naslove tabel, indekse ter odločilne vrednosti preverite glede na izvirnik. Če je odlomek neberljiv, pridobite boljši sken ali osredotočen pogled, ki ohrani dovolj okoliške postavitve za določitev njegove vloge. Preverite tudi, ali se izhod ponavlja ali izpušča razdelke, preden ga obravnavate kot popoln zapis.
OCR 2 zagotovi prepoznano gradivo za naslednjo nalogo. Nadaljnja zahteva lahko nato izlušči polja, sestavi beležko, po kateri je mogoče iskati, ali odgovori na vprašanje iz pretvorjenega besedila. Proizvajalec kot trenutni poudarek opisuje optično branje dokumentov; širše vizualno sklepanje in dodatne modalnosti so raziskovalne smeri. Pri izbiri te izdaje naj pričakovani izdelek ostane konkretno povezan s prepoznavanjem in pretvorbo dokumentov.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve deepseek/deepseek-ocr-2 | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.000062 / 1K žetonov Izhod · Izhodni žetoni $0.000062 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "deepseek/deepseek-ocr-2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra deepseek/deepseek-ocr-2
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
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.