AI OCR মডেল
103টি OCR API, ভিশন মডেল এবং ওপেন-সোর্স ইঞ্জিন। একই রিকোয়েস্ট, একই আউটপুট, একটি বিল।
| মডেল | যার জন্য সেরা | সাপোর্ট করে | গতি | মূল্য |
|---|---|---|---|---|
Tesseracttesseract/tesseract | পরিষ্কার ছাপা লেখা, ফ্রি | বহুভাষিক | 0.6 s / পেজ | ফ্রি |
DeepSeek-OCRdeepseek/deepseek-ocr | সস্তায় বাল্ক রূপান্তর | টেবিলগণিতবাউন্ডিং বক্সবহুভাষিক | 1.1 s / পেজ | 1 ক্রেডিট / পেজ |
Jina OCRjina/jina-ocr | কম খরচে পরিষ্কার Markdown | টেবিলগণিতবহুভাষিক | 1.5 s / পেজ | 1 ক্রেডিট / পেজ |
PaddleOCR (PP-OCR)paddle/paddleocr | দ্রুত ছাপা লেখা, চীনা ও ইংরেজি | বাউন্ডিং বক্সআস্থার মানবহুভাষিক | 0.7 s / পেজ | 1 ক্রেডিট / পেজ |
EasyOCRjaided/easyocr | দ্রুত স্ক্রিপ্ট ও দৃশ্যের লেখা | বাউন্ডিং বক্সআস্থার মানবহুভাষিক | 0.9 s / পেজ | 1 ক্রেডিট / পেজ |
OCRmyPDFocrmypdf/ocrmypdf | স্ক্যান থেকে সার্চযোগ্য PDF | বহুভাষিক | 1.0 s / পেজ | 1 ক্রেডিট / পেজ |
RapidOCRrapidai/rapidocr | CPU বা এজ ডিভাইসে হালকা OCR | বাউন্ডিং বক্সআস্থার মানবহুভাষিক | 0.6 s / পেজ | 1 ক্রেডিট / পেজ |
docTRmindee/doctr | অবস্থানসহ শব্দভিত্তিক OCR | বাউন্ডিং বক্সআস্থার মান | 0.9 s / পেজ | 1 ক্রেডিট / পেজ |
Krakenkraken/kraken | ঐতিহাসিক ডকুমেন্ট ও পাণ্ডুলিপি | হাতের লেখাবাউন্ডিং বক্সবহুভাষিক | 1.5 s / পেজ | 1 ক্রেডিট / পেজ |
TrOCRmicrosoft/trocr | হাতে লেখা লাইন | হাতের লেখা | 1.2 s / পেজ | 1 ক্রেডিট / পেজ |
Granite Doclingibm/granite-docling | ছোট মডেলে ডকুমেন্ট রূপান্তর | টেবিলগণিতবাউন্ডিং বক্স | 1.5 s / পেজ | 1 ক্রেডিট / পেজ |
SmolDoclinghuggingface/smoldocling | খুব সস্তায় পৃষ্ঠা রূপান্তর | টেবিলগণিতবাউন্ডিং বক্স | 1.0 s / পেজ | 1 ক্রেডিট / পেজ |
Donutnaver/donut | ফাইন-টিউনিংয়ের পর রসিদ ও ফর্মের ফিল্ড | ফর্ম | 1.0 s / পেজ | 1 ক্রেডিট / পেজ |
GOT-OCR 2.0stepfun/got-ocr-2 | ফরম্যাট করা লেখা, সূত্র ও চার্ট | টেবিলগণিতবাউন্ডিং বক্স | 1.5 s / পেজ | 1 ক্রেডিট / পেজ |
Florence-2microsoft/florence-2 | বক্সসহ হালকা OCR | বাউন্ডিং বক্স | 0.8 s / পেজ | 1 ক্রেডিট / পেজ |
Tesseract.jstesseract/tesseract-js | ব্রাউজারে OCR | বাউন্ডিং বক্সআস্থার মানবহুভাষিক | 2.0 s / পেজ | 1 ক্রেডিট / পেজ |
OpenOCRfudan/openocr | CPU-তে হালকা OCR পাইপলাইন | টেবিলগণিতবাউন্ডিং বক্স | 0.5 s / পেজ | 1 ক্রেডিট / পেজ |
OCR.spaceocrspace/ocr-space | সস্তা সাধারণ OCR | টেবিলবাউন্ডিং বক্সবহুভাষিক | 1.5 s / পেজ | 1 ক্রেডিট / পেজ |
Gemini 2.5 Flash-Litegoogle/gemini-2-5-flash-lite | High-volume simple pages | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 1 ক্রেডিট / পেজ |
Qwen2.5-VL-7Bqwen/qwen2-5-vl-7b | Low-cost self-hosted OCR | টেবিলহাতের লেখাগণিতবাউন্ডিং বক্স | 2.5 s / পেজ | 1 ক্রেডিট / পেজ |
Llama 3.2 11B Visionmeta/llama-3-2-11b-vision | Lightweight self-hosted vision | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
Mistral Small 3.2mistral/mistral-small-3-2 | Self-hosted small vision model | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
Amazon Nova Liteamazon/nova-lite | Cheap vision on AWS Bedrock | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
Phi-3.5-visionmicrosoft/phi-3-5-vision | Small self-hosted model | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
Kimi-VL-A3Bmoonshot/kimi-vl | Efficient self-hosted vision | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
GLM-4.1V-Thinkingzai/glm-4-1v-thinking | Small reasoning vision model | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
SmolVLMhuggingface/smolvlm | On-device and edge use | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
Idefics3huggingface/idefics3 | Self-hosted image questions | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
Molmoallenai/molmo | Open research vision model | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
Llama Nemotron Nano VLnvidia/llama-nemotron-nano-vl | Self-hosted document understanding | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 1 ক্রেডিট / পেজ |
LLaVA-OneVisionllava/llava-onevision | Open research vision model | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
Aya Visioncohere/aya-vision | Multilingual image questions | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
Janus-Prodeepseek/janus-pro | Experimental image understanding | বহুভাষিক | 3.0 s / পেজ | 1 ক্রেডিট / পেজ |
Qianfan OCRbaidu/qianfan-ocr | চীনা ডকুমেন্ট | টেবিলগণিতহাতের লেখাবহুভাষিক | 2.0 s / পেজ | 2 ক্রেডিট / পেজ |
Unlimited OCRbaidu/unlimited-ocr | বই ও খুব লম্বা ডকুমেন্ট | টেবিলগণিতবাউন্ডিং বক্সবহুভাষিক | 1.2 s / পেজ | 2 ক্রেডিট / পেজ |
MinerUopendatalab/mineru | একাডেমিক PDF | টেবিলগণিতবাউন্ডিং বক্সবহুভাষিক | 2.0 s / পেজ | 2 ক্রেডিট / পেজ |
Doclingibm/docling | RAG-এর জন্য কাঠামোবদ্ধ এক্সপোর্ট | টেবিলগণিতবাউন্ডিং বক্স | 2.2 s / পেজ | 2 ক্রেডিট / পেজ |
olmOCRallenai/olmocr | ডেটাসেটের জন্য বাল্ক PDF থেকে টেক্সট | টেবিলগণিতহাতের লেখা | 1.5 s / পেজ | 2 ক্রেডিট / পেজ |
Chandradatalab/chandra | জটিল লেআউট ও হাতের লেখা | টেবিলগণিতহাতের লেখাফর্ম | 2.0 s / পেজ | 2 ক্রেডিট / পেজ |
Suryadatalab/surya | লেআউট ও লাইনভিত্তিক OCR | টেবিলবাউন্ডিং বক্সবহুভাষিক | 1.5 s / পেজ | 2 ক্রেডিট / পেজ |
dots.ocrrednote/dots-ocr | বহুভাষিক ডকুমেন্ট পার্সিং | টেবিলগণিতবাউন্ডিং বক্সবহুভাষিক | 1.5 s / পেজ | 2 ক্রেডিট / পেজ |
Nanonets-OCRnanonets/nanonets-ocr | সেমান্টিক ট্যাগসহ Markdown | টেবিলগণিতফর্মবহুভাষিক | 1.8 s / পেজ | 2 ক্রেডিট / পেজ |
Hunyuan OCRtencent/hunyuan-ocr | চীনা ডকুমেন্ট ও ছবি | টেবিলগণিতবাউন্ডিং বক্সবহুভাষিক | 1.5 s / পেজ | 2 ক্রেডিট / পেজ |
Qwen-VLqwen/qwen-vl | প্রম্পট দিয়ে নমনীয় এক্সট্র্যাকশন | টেবিলহাতের লেখাগণিতবাউন্ডিং বক্স | 2.0 s / পেজ | 2 ক্রেডিট / পেজ |
MonkeyOCRmonkeyocr/monkeyocr | চীনা ও ইংরেজি PDF | টেবিলগণিতবাউন্ডিং বক্স | 1.5 s / পেজ | 2 ক্রেডিট / পেজ |
Nougatmeta/nougat | arXiv ধাঁচের গবেষণাপত্র | টেবিলগণিত | 3.0 s / পেজ | 2 ক্রেডিট / পেজ |
Typhoon OCRtyphoon/typhoon-ocr | থাই ডকুমেন্ট | টেবিলবহুভাষিক | 1.8 s / পেজ | 2 ক্রেডিট / পেজ |
RolmOCRreducto/rolmocr | দ্রুত ওপেন PDF থেকে টেক্সট | টেবিলহাতের লেখা | 3.0 s / পেজ | 2 ক্রেডিট / পেজ |
Pixtralmistral/pixtral | ডকুমেন্ট ছবি নিয়ে প্রশ্ন | বহুভাষিক | 3.0 s / পেজ | 2 ক্রেডিট / পেজ |
InternVL3.5opengvlab/internvl | নিজস্ব সার্ভারে ডকুমেন্ট বোঝা | টেবিলগণিতবহুভাষিক | 3.0 s / পেজ | 2 ক্রেডিট / পেজ |
MiniCPM-V 4.5openbmb/minicpm-v | এজ ডিভাইসে OCR | টেবিলহাতের লেখাবহুভাষিক | 2.5 s / পেজ | 2 ক্রেডিট / পেজ |
DeepSeek-VL2deepseek/deepseek-vl2 | চার্ট ও টেবিল | টেবিলবাউন্ডিং বক্স | 3.0 s / পেজ | 2 ক্রেডিট / পেজ |
Phi-4-multimodalmicrosoft/phi-4-multimodal | OCR ও প্রশ্নের জন্য ছোট মডেল | টেবিলগণিত | 2.5 s / পেজ | 2 ক্রেডিট / পেজ |
Google Cloud Vision OCRgoogle/cloud-vision | ছবি ও সাধারণ স্ক্যান | হাতের লেখাবাউন্ডিং বক্সআস্থার মানবহুভাষিক | 1.0 s / পেজ | 2 ক্রেডিট / পেজ |
Gemini 2.0 Flashgoogle/gemini-2-0-flash | Low-cost general OCR | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 2 ক্রেডিট / পেজ |
Gemma 3google/gemma-3 | Self-hosted image reading | বহুভাষিক | 3.0 s / পেজ | 2 ক্রেডিট / পেজ |
Qwen3-VLqwen/qwen3-vl | Self-hosted multilingual OCR | টেবিলহাতের লেখাগণিতবাউন্ডিং বক্স | 2.5 s / পেজ | 2 ক্রেডিট / পেজ |
Llama 4 Maverickmeta/llama-4-maverick | Self-hosted general vision | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 2 ক্রেডিট / পেজ |
Llama 4 Scoutmeta/llama-4-scout | Self-hosted long inputs | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 2 ক্রেডিট / পেজ |
ERNIE 4.5 VLbaidu/ernie-4-5-vl | Chinese documents, self-hosted | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 2 ক্রেডিট / পেজ |
GPT-4.1 miniopenai/gpt-4-1-mini | Low-cost image extraction | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 3 ক্রেডিট / পেজ |
GPT-4o miniopenai/gpt-4o-mini | Cheap simple pages | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 3 ক্রেডিট / পেজ |
Gemini 2.5 Flashgoogle/gemini-2-5-flash | Bulk pages with mixed layouts | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 3 ক্রেডিট / পেজ |
Qwen2.5-VL-72Bqwen/qwen2-5-vl-72b | Self-hosted document parsing | টেবিলহাতের লেখাগণিতবাউন্ডিং বক্স | 2.5 s / পেজ | 3 ক্রেডিট / পেজ |
QVQ-72B-Previewqwen/qvq-72b | Visual reasoning over charts | বহুভাষিক | 3.0 s / পেজ | 3 ক্রেডিট / পেজ |
Llama 3.2 90B Visionmeta/llama-3-2-90b-vision | Self-hosted image questions | বহুভাষিক | 3.0 s / পেজ | 3 ক্রেডিট / পেজ |
Amazon Nova Proamazon/nova-pro | Vision on AWS Bedrock | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 3 ক্রেডিট / পেজ |
GLM-4.5Vzai/glm-4-5v | Self-hosted document and chart reading | টেবিলহাতের লেখাগণিতবাউন্ডিং বক্স | 2.5 s / পেজ | 3 ক্রেডিট / পেজ |
Doubao-Seed-1.6bytedance/doubao-seed-1-6 | Chinese documents via Volcano Engine | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 3 ক্রেডিট / পেজ |
Reka Flashreka/reka-flash | Hosted multimodal questions | বহুভাষিক | 3.0 s / পেজ | 3 ক্রেডিট / পেজ |
GPT-5 miniopenai/gpt-5-mini | Everyday extraction at lower cost | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 4 ক্রেডিট / পেজ |
Qwen-VL-Maxqwen/qwen-vl-max | Hosted Chinese and English documents | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 4 ক্রেডিট / পেজ |
Mistral Medium 3mistral/mistral-medium-3 | Hosted general vision in the EU | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 4 ক্রেডিট / পেজ |
Command A Visioncohere/command-a-vision | Enterprise document questions | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 4 ক্রেডিট / পেজ |
LlamaParsellamaindex/llamaparse | RAG-এ ডেটা নেওয়া | টেবিলগণিতবাউন্ডিং বক্সবহুভাষিক | 3.0 s / পেজ | 5 ক্রেডিট / পেজ |
PaddleOCR-VLpaddle/paddleocr-vl | CJK ডকুমেন্ট | টেবিলগণিতবাউন্ডিং বক্সআস্থার মান | 1.3 s / পেজ | 6 ক্রেডিট / পেজ |
GLM-OCRzai/glm-ocr | কম খরচে সাধারণ ডকুমেন্ট | টেবিলগণিতবাউন্ডিং বক্সআস্থার মান | 1.3 s / পেজ | 6 ক্রেডিট / পেজ |
o4-miniopenai/o4-mini | Reasoning over images at lower cost | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 6 ক্রেডিট / পেজ |
Claude Haiku 4.5anthropic/claude-haiku-4-5 | Fast reading at lower cost | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 6 ক্রেডিট / পেজ |
Grok 2 Visionxai/grok-2-vision | Image questions | বহুভাষিক | 3.0 s / পেজ | 6 ক্রেডিট / পেজ |
Mathpix Convertmathpix/convert | গণিত ও বৈজ্ঞানিক গবেষণাপত্র | গণিতহাতের লেখাটেবিলবাউন্ডিং বক্স | 1.5 s / পেজ | 7 ক্রেডিট / পেজ |
Gemini 2.5 Progoogle/gemini-2-5-pro | Long PDFs and complex layouts | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 8 ক্রেডিট / পেজ |
Google Document AIgoogle/document-ai | বহুভাষিক স্ক্যান | টেবিলফর্মহাতের লেখাবাউন্ডিং বক্স | 1.4 s / পেজ | 10 ক্রেডিট / পেজ |
GPTopenai/gpt | এলোমেলো স্ক্যান, কাস্টম নির্দেশনা | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.4 s / পেজ | 11 ক্রেডিট / পেজ |
GPT-4.1openai/gpt-4-1 | Long documents with instructions | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 11 ক্রেডিট / পেজ |
GPT-4oopenai/gpt-4o | General document reading | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 11 ক্রেডিট / পেজ |
Markerdatalab/marker | বই ও গবেষণাপত্র | টেবিলগণিতবাউন্ডিং বক্সবহুভাষিক | 2.5 s / পেজ | 14 ক্রেডিট / পেজ |
Chunkrchunkr/chunkr | RAG-এর জন্য লেআউট বুঝে খণ্ড | টেবিলগণিতবাউন্ডিং বক্সবহুভাষিক | 3.0 s / পেজ | 14 ক্রেডিট / পেজ |
ABBYY FineReaderabbyy/finereader | অফিসের স্ক্যান থেকে Word ও PDF | টেবিলবাউন্ডিং বক্সবহুভাষিক | 2.0 s / পেজ | 14 ক্রেডিট / পেজ |
Adobe Acrobat OCRadobe/acrobat-ocr | Acrobat-এ সার্চযোগ্য PDF | বহুভাষিক | 2.0 s / পেজ | 14 ক্রেডিট / পেজ |
GPT-5openai/gpt-5 | Hard pages with custom instructions | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 14 ক্রেডিট / পেজ |
o3openai/o3 | Charts and pages that need reasoning | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 14 ক্রেডিট / পেজ |
Claude Sonnet 4.5anthropic/claude-sonnet-4-5 | Long dense documents | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 14 ক্রেডিট / পেজ |
Claude Sonnet 4anthropic/claude-sonnet-4 | Dense documents | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 14 ক্রেডিট / পেজ |
Grok 4xai/grok-4 | General image questions | টেবিলগণিতবহুভাষিক | 2.5 s / পেজ | 14 ক্রেডিট / পেজ |
Gemini Flashgoogle/gemini-flash | হাতের লেখা ও মিশ্র লেআউট | টেবিলহাতের লেখাগণিতবহুভাষিক | 1.6 s / পেজ | 15 ক্রেডিট / পেজ |
Reducto Parsereducto/parse | গুরুত্বপূর্ণ জটিল ডকুমেন্ট | টেবিলফর্মবাউন্ডিং বক্সআস্থার মান | 4.0 s / পেজ | 20 ক্রেডিট / পেজ |
Unstructuredunstructured/unstructured | নানা ধরনের ফাইল RAG-এ | টেবিলবাউন্ডিং বক্সবহুভাষিক | 3.0 s / পেজ | 20 ক্রেডিট / পেজ |
Mistral OCRmistral/mistral-ocr | বড় পরিমাণে PDF থেকে Markdown | টেবিলগণিতবাউন্ডিং বক্সবহুভাষিক | 0.9 s / পেজ | 25 ক্রেডিট / পেজ |
Claudeanthropic/claude | লম্বা ঘন ডকুমেন্ট | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.6 s / পেজ | 25 ক্রেডিট / পেজ |
Amazon Textractaws/textract | ফর্ম ও কী-ভ্যালু এক্সট্র্যাকশন | টেবিলফর্মহাতের লেখাবাউন্ডিং বক্স | 1.2 s / পেজ | 25 ক্রেডিট / পেজ |
Claude Opus 4.1anthropic/claude-opus-4-1 | Complex, high-stakes documents | টেবিলহাতের লেখাগণিতবহুভাষিক | 2.5 s / পেজ | 27 ক্রেডিট / পেজ |
Azure Document Intelligenceazure/document-intelligence | এন্টারপ্রাইজ ফর্ম ও পরিচয়পত্র | টেবিলফর্মহাতের লেখাবাউন্ডিং বক্স | 1.5 s / পেজ | 60 ক্রেডিট / পেজ |
103টি মডেলের মধ্যে 103টি