Phi-4-multimodal OCR онлайн
Модел на Microsoft с 5.6B параметри за текст, образ и аудио (февруари 2025 г.). Постига резултат от 84.4 в OCRBench според официалната си документация.
PDF, PNG, JPG, WebP, HEIC. До 20 MB всеки, 10 файла.Няма файл?
- ID на модела
- microsoft/phi-4-multimodal
- Тип
- Модел за зрение
- Цена
- 2 кредита / страница ($2.00 за 1000 страници)
- Типична скорост
- 2.5 сек / страница
- Входни формати
- изображения
- Езици
- Английски за визуален режим
- Макс. страници на заявка
- 500
- Изходен формат
- Markdown, JSON
- Лиценз
- MIT
- Поддържа
- ТаблициМатематика
curl https://api.ocrrouter.ai/v1/ocr \
-H "Authorization: Bearer $OCRROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "microsoft/phi-4-multimodal",
"file_url": "https://example.com/invoice.pdf",
"format": "markdown"
}'Скорост и надеждност на Phi-4-multimodal
Зареждане…
Измерено на база нашия собствен трафик през последните 7 дни.
Ценообразуване на Phi-4-multimodal
Phi-4-multimodal струва 2 кредита на страница. Един долар осигурява 1,000 кредита, така че 1000 страници струват $2.00. Плащате само за страници, които връщат резултат.
Новите профили получават 50 безплатни кредита, достатъчни за около 25 страници с този модел. Вижте цените за пакети с кредити.
Подобни модели
1InternVL3.5Семейство визуално-езикови модели с отворен код от Shanghai AI Lab (1B до 241B, август 2025 г.), със силни резултати в тестовете за OCR.
opengvlab/internvl2 кредита / страница2Gemini 2.5 Flash-LiteLowest-cost Gemini 2.5 model, with image and PDF input.google/gemini-2-5-flash-lite1 кредит / страница3GPT-4.1 miniSmaller GPT-4.1 model with image input at a lower price.openai/gpt-4-1-mini3 кредита / страницаВсички алтернативи на Phi-4-multimodal
Сравни Phi-4-multimodal
Phi-4-multimodal срещу InternVL3.5Phi-4-multimodal срещу Gemini 2.5 Flash-LitePhi-4-multimodal срещу GPT-4.1 miniPhi-4-multimodal срещу QVQ-72B-PreviewPhi-4-multimodal срещу NougatPhi-4-multimodal срещу GPT