مدلهای OCR هوش مصنوعی
103 API، مدل بینایی و موتور متنباز OCR. درخواست یکسان، خروجی یکسان، یک صورتحساب.
| مدل | مناسب برای | پشتیبانی از | سرعت | قیمت |
|---|---|---|---|---|
Tesseracttesseract/tesseract | متن چاپی تمیز، رایگان | چندزبانه | 0.6 ثانیه / صفحه | رایگان |
DeepSeek-OCRdeepseek/deepseek-ocr | تبدیل انبوه ارزان | جدولهاریاضیکادرهای محدودهچندزبانه | 1.1 ثانیه / صفحه | 1 اعتبار / صفحه |
Jina OCRjina/jina-ocr | Markdown تمیز با هزینه کم | جدولهاریاضیچندزبانه | 1.5 ثانیه / صفحه | 1 اعتبار / صفحه |
PaddleOCR (PP-OCR)paddle/paddleocr | متن چاپی سریع، چینی و انگلیسی | کادرهای محدودهمیزان اطمینانچندزبانه | 0.7 ثانیه / صفحه | 1 اعتبار / صفحه |
EasyOCRjaided/easyocr | اسکریپتهای سریع و متن درون تصویر | کادرهای محدودهمیزان اطمینانچندزبانه | 0.9 ثانیه / صفحه | 1 اعتبار / صفحه |
OCRmyPDFocrmypdf/ocrmypdf | PDF قابل جستجو از اسکن | چندزبانه | 1.0 ثانیه / صفحه | 1 اعتبار / صفحه |
RapidOCRrapidai/rapidocr | OCR سبک روی CPU یا دستگاههای لبه | کادرهای محدودهمیزان اطمینانچندزبانه | 0.6 ثانیه / صفحه | 1 اعتبار / صفحه |
docTRmindee/doctr | OCR در سطح کلمه با موقعیت | کادرهای محدودهمیزان اطمینان | 0.9 ثانیه / صفحه | 1 اعتبار / صفحه |
Krakenkraken/kraken | اسناد تاریخی و نسخههای خطی | دستخطکادرهای محدودهچندزبانه | 1.5 ثانیه / صفحه | 1 اعتبار / صفحه |
TrOCRmicrosoft/trocr | سطرهای متن دستنویس | دستخط | 1.2 ثانیه / صفحه | 1 اعتبار / صفحه |
Granite Doclingibm/granite-docling | تبدیل اسناد با مدل کوچک | جدولهاریاضیکادرهای محدوده | 1.5 ثانیه / صفحه | 1 اعتبار / صفحه |
SmolDoclinghuggingface/smoldocling | تبدیل صفحه بسیار ارزان | جدولهاریاضیکادرهای محدوده | 1.0 ثانیه / صفحه | 1 اعتبار / صفحه |
Donutnaver/donut | فیلدهای رسید و فرم پس از فاینتیون | فرمها | 1.0 ثانیه / صفحه | 1 اعتبار / صفحه |
GOT-OCR 2.0stepfun/got-ocr-2 | متن قالبدار، فرمولها و نمودارها | جدولهاریاضیکادرهای محدوده | 1.5 ثانیه / صفحه | 1 اعتبار / صفحه |
Florence-2microsoft/florence-2 | OCR سبک با کادر متن | کادرهای محدوده | 0.8 ثانیه / صفحه | 1 اعتبار / صفحه |
Tesseract.jstesseract/tesseract-js | OCR در مرورگر | کادرهای محدودهمیزان اطمینانچندزبانه | 2.0 ثانیه / صفحه | 1 اعتبار / صفحه |
OpenOCRfudan/openocr | خط لوله OCR سبک روی CPU | جدولهاریاضیکادرهای محدوده | 0.5 ثانیه / صفحه | 1 اعتبار / صفحه |
OCR.spaceocrspace/ocr-space | OCR ساده و ارزان | جدولهاکادرهای محدودهچندزبانه | 1.5 ثانیه / صفحه | 1 اعتبار / صفحه |
Gemini 2.5 Flash-Litegoogle/gemini-2-5-flash-lite | High-volume simple pages | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 1 اعتبار / صفحه |
Qwen2.5-VL-7Bqwen/qwen2-5-vl-7b | Low-cost self-hosted OCR | جدولهادستخطریاضیکادرهای محدوده | 2.5 ثانیه / صفحه | 1 اعتبار / صفحه |
Llama 3.2 11B Visionmeta/llama-3-2-11b-vision | Lightweight self-hosted vision | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
Mistral Small 3.2mistral/mistral-small-3-2 | Self-hosted small vision model | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
Amazon Nova Liteamazon/nova-lite | Cheap vision on AWS Bedrock | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
Phi-3.5-visionmicrosoft/phi-3-5-vision | Small self-hosted model | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
Kimi-VL-A3Bmoonshot/kimi-vl | Efficient self-hosted vision | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
GLM-4.1V-Thinkingzai/glm-4-1v-thinking | Small reasoning vision model | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
SmolVLMhuggingface/smolvlm | On-device and edge use | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
Idefics3huggingface/idefics3 | Self-hosted image questions | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
Molmoallenai/molmo | Open research vision model | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
Llama Nemotron Nano VLnvidia/llama-nemotron-nano-vl | Self-hosted document understanding | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 1 اعتبار / صفحه |
LLaVA-OneVisionllava/llava-onevision | Open research vision model | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
Aya Visioncohere/aya-vision | Multilingual image questions | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
Janus-Prodeepseek/janus-pro | Experimental image understanding | چندزبانه | 3.0 ثانیه / صفحه | 1 اعتبار / صفحه |
Qianfan OCRbaidu/qianfan-ocr | اسناد چینی | جدولهاریاضیدستخطچندزبانه | 2.0 ثانیه / صفحه | 2 اعتبار / صفحه |
Unlimited OCRbaidu/unlimited-ocr | کتابها و اسناد بسیار طولانی | جدولهاریاضیکادرهای محدودهچندزبانه | 1.2 ثانیه / صفحه | 2 اعتبار / صفحه |
MinerUopendatalab/mineru | PDFهای دانشگاهی | جدولهاریاضیکادرهای محدودهچندزبانه | 2.0 ثانیه / صفحه | 2 اعتبار / صفحه |
Doclingibm/docling | خروجی ساختاریافته برای RAG | جدولهاریاضیکادرهای محدوده | 2.2 ثانیه / صفحه | 2 اعتبار / صفحه |
olmOCRallenai/olmocr | تبدیل انبوه PDF به متن برای دیتاست | جدولهاریاضیدستخط | 1.5 ثانیه / صفحه | 2 اعتبار / صفحه |
Chandradatalab/chandra | چیدمانهای پیچیده و دستخط | جدولهاریاضیدستخطفرمها | 2.0 ثانیه / صفحه | 2 اعتبار / صفحه |
Suryadatalab/surya | چیدمان و OCR در سطح سطر | جدولهاکادرهای محدودهچندزبانه | 1.5 ثانیه / صفحه | 2 اعتبار / صفحه |
dots.ocrrednote/dots-ocr | تجزیه اسناد چندزبانه | جدولهاریاضیکادرهای محدودهچندزبانه | 1.5 ثانیه / صفحه | 2 اعتبار / صفحه |
Nanonets-OCRnanonets/nanonets-ocr | Markdown با تگهای معنایی | جدولهاریاضیفرمهاچندزبانه | 1.8 ثانیه / صفحه | 2 اعتبار / صفحه |
Hunyuan OCRtencent/hunyuan-ocr | اسناد و عکسهای چینی | جدولهاریاضیکادرهای محدودهچندزبانه | 1.5 ثانیه / صفحه | 2 اعتبار / صفحه |
Qwen-VLqwen/qwen-vl | استخراج انعطافپذیر با پرامپت | جدولهادستخطریاضیکادرهای محدوده | 2.0 ثانیه / صفحه | 2 اعتبار / صفحه |
MonkeyOCRmonkeyocr/monkeyocr | PDFهای چینی و انگلیسی | جدولهاریاضیکادرهای محدوده | 1.5 ثانیه / صفحه | 2 اعتبار / صفحه |
Nougatmeta/nougat | مقالههای سبک arXiv | جدولهاریاضی | 3.0 ثانیه / صفحه | 2 اعتبار / صفحه |
Typhoon OCRtyphoon/typhoon-ocr | اسناد تایلندی | جدولهاچندزبانه | 1.8 ثانیه / صفحه | 2 اعتبار / صفحه |
RolmOCRreducto/rolmocr | تبدیل سریع و باز PDF به متن | جدولهادستخط | 3.0 ثانیه / صفحه | 2 اعتبار / صفحه |
Pixtralmistral/pixtral | پرسش درباره تصاویر سند | چندزبانه | 3.0 ثانیه / صفحه | 2 اعتبار / صفحه |
InternVL3.5opengvlab/internvl | درک سند روی سرور خودتان | جدولهاریاضیچندزبانه | 3.0 ثانیه / صفحه | 2 اعتبار / صفحه |
MiniCPM-V 4.5openbmb/minicpm-v | OCR روی دستگاههای لبه | جدولهادستخطچندزبانه | 2.5 ثانیه / صفحه | 2 اعتبار / صفحه |
DeepSeek-VL2deepseek/deepseek-vl2 | نمودار و جدول | جدولهاکادرهای محدوده | 3.0 ثانیه / صفحه | 2 اعتبار / صفحه |
Phi-4-multimodalmicrosoft/phi-4-multimodal | مدل کوچک برای OCR و پرسشوپاسخ | جدولهاریاضی | 2.5 ثانیه / صفحه | 2 اعتبار / صفحه |
Google Cloud Vision OCRgoogle/cloud-vision | عکسها و اسکنهای ساده | دستخطکادرهای محدودهمیزان اطمینانچندزبانه | 1.0 ثانیه / صفحه | 2 اعتبار / صفحه |
Gemini 2.0 Flashgoogle/gemini-2-0-flash | Low-cost general OCR | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 2 اعتبار / صفحه |
Gemma 3google/gemma-3 | Self-hosted image reading | چندزبانه | 3.0 ثانیه / صفحه | 2 اعتبار / صفحه |
Qwen3-VLqwen/qwen3-vl | Self-hosted multilingual OCR | جدولهادستخطریاضیکادرهای محدوده | 2.5 ثانیه / صفحه | 2 اعتبار / صفحه |
Llama 4 Maverickmeta/llama-4-maverick | Self-hosted general vision | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 2 اعتبار / صفحه |
Llama 4 Scoutmeta/llama-4-scout | Self-hosted long inputs | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 2 اعتبار / صفحه |
ERNIE 4.5 VLbaidu/ernie-4-5-vl | Chinese documents, self-hosted | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 2 اعتبار / صفحه |
GPT-4.1 miniopenai/gpt-4-1-mini | Low-cost image extraction | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 3 اعتبار / صفحه |
GPT-4o miniopenai/gpt-4o-mini | Cheap simple pages | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 3 اعتبار / صفحه |
Gemini 2.5 Flashgoogle/gemini-2-5-flash | Bulk pages with mixed layouts | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 3 اعتبار / صفحه |
Qwen2.5-VL-72Bqwen/qwen2-5-vl-72b | Self-hosted document parsing | جدولهادستخطریاضیکادرهای محدوده | 2.5 ثانیه / صفحه | 3 اعتبار / صفحه |
QVQ-72B-Previewqwen/qvq-72b | Visual reasoning over charts | چندزبانه | 3.0 ثانیه / صفحه | 3 اعتبار / صفحه |
Llama 3.2 90B Visionmeta/llama-3-2-90b-vision | Self-hosted image questions | چندزبانه | 3.0 ثانیه / صفحه | 3 اعتبار / صفحه |
Amazon Nova Proamazon/nova-pro | Vision on AWS Bedrock | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 3 اعتبار / صفحه |
GLM-4.5Vzai/glm-4-5v | Self-hosted document and chart reading | جدولهادستخطریاضیکادرهای محدوده | 2.5 ثانیه / صفحه | 3 اعتبار / صفحه |
Doubao-Seed-1.6bytedance/doubao-seed-1-6 | Chinese documents via Volcano Engine | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 3 اعتبار / صفحه |
Reka Flashreka/reka-flash | Hosted multimodal questions | چندزبانه | 3.0 ثانیه / صفحه | 3 اعتبار / صفحه |
GPT-5 miniopenai/gpt-5-mini | Everyday extraction at lower cost | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 4 اعتبار / صفحه |
Qwen-VL-Maxqwen/qwen-vl-max | Hosted Chinese and English documents | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 4 اعتبار / صفحه |
Mistral Medium 3mistral/mistral-medium-3 | Hosted general vision in the EU | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 4 اعتبار / صفحه |
Command A Visioncohere/command-a-vision | Enterprise document questions | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 4 اعتبار / صفحه |
LlamaParsellamaindex/llamaparse | ورود داده به RAG | جدولهاریاضیکادرهای محدودهچندزبانه | 3.0 ثانیه / صفحه | 5 اعتبار / صفحه |
PaddleOCR-VLpaddle/paddleocr-vl | اسناد CJK | جدولهاریاضیکادرهای محدودهمیزان اطمینان | 1.3 ثانیه / صفحه | 6 اعتبار / صفحه |
GLM-OCRzai/glm-ocr | اسناد عمومی کمهزینه | جدولهاریاضیکادرهای محدودهمیزان اطمینان | 1.3 ثانیه / صفحه | 6 اعتبار / صفحه |
o4-miniopenai/o4-mini | Reasoning over images at lower cost | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 6 اعتبار / صفحه |
Claude Haiku 4.5anthropic/claude-haiku-4-5 | Fast reading at lower cost | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 6 اعتبار / صفحه |
Grok 2 Visionxai/grok-2-vision | Image questions | چندزبانه | 3.0 ثانیه / صفحه | 6 اعتبار / صفحه |
Mathpix Convertmathpix/convert | ریاضی و مقالات علمی | ریاضیدستخطجدولهاکادرهای محدوده | 1.5 ثانیه / صفحه | 7 اعتبار / صفحه |
Gemini 2.5 Progoogle/gemini-2-5-pro | Long PDFs and complex layouts | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 8 اعتبار / صفحه |
Google Document AIgoogle/document-ai | اسکنهای چندزبانه | جدولهافرمهادستخطکادرهای محدوده | 1.4 ثانیه / صفحه | 10 اعتبار / صفحه |
GPTopenai/gpt | اسکنهای نامرتب، دستورهای سفارشی | جدولهادستخطریاضیچندزبانه | 2.4 ثانیه / صفحه | 11 اعتبار / صفحه |
GPT-4.1openai/gpt-4-1 | Long documents with instructions | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 11 اعتبار / صفحه |
GPT-4oopenai/gpt-4o | General document reading | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 11 اعتبار / صفحه |
Markerdatalab/marker | کتابها و مقالات پژوهشی | جدولهاریاضیکادرهای محدودهچندزبانه | 2.5 ثانیه / صفحه | 14 اعتبار / صفحه |
Chunkrchunkr/chunkr | قطعهبندی با درک چیدمان برای RAG | جدولهاریاضیکادرهای محدودهچندزبانه | 3.0 ثانیه / صفحه | 14 اعتبار / صفحه |
ABBYY FineReaderabbyy/finereader | اسکنهای اداری به Word و PDF | جدولهاکادرهای محدودهچندزبانه | 2.0 ثانیه / صفحه | 14 اعتبار / صفحه |
Adobe Acrobat OCRadobe/acrobat-ocr | PDF قابل جستجو در Acrobat | چندزبانه | 2.0 ثانیه / صفحه | 14 اعتبار / صفحه |
GPT-5openai/gpt-5 | Hard pages with custom instructions | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 14 اعتبار / صفحه |
o3openai/o3 | Charts and pages that need reasoning | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 14 اعتبار / صفحه |
Claude Sonnet 4.5anthropic/claude-sonnet-4-5 | Long dense documents | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 14 اعتبار / صفحه |
Claude Sonnet 4anthropic/claude-sonnet-4 | Dense documents | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 14 اعتبار / صفحه |
Grok 4xai/grok-4 | General image questions | جدولهاریاضیچندزبانه | 2.5 ثانیه / صفحه | 14 اعتبار / صفحه |
Gemini Flashgoogle/gemini-flash | دستخط و چیدمانهای ترکیبی | جدولهادستخطریاضیچندزبانه | 1.6 ثانیه / صفحه | 15 اعتبار / صفحه |
Reducto Parsereducto/parse | اسناد پیچیده و حساس | جدولهافرمهاکادرهای محدودهمیزان اطمینان | 4.0 ثانیه / صفحه | 20 اعتبار / صفحه |
Unstructuredunstructured/unstructured | انواع فایل مختلف به RAG | جدولهاکادرهای محدودهچندزبانه | 3.0 ثانیه / صفحه | 20 اعتبار / صفحه |
Mistral OCRmistral/mistral-ocr | تبدیل حجیم PDF به Markdown | جدولهاریاضیکادرهای محدودهچندزبانه | 0.9 ثانیه / صفحه | 25 اعتبار / صفحه |
Claudeanthropic/claude | اسناد طولانی و فشرده | جدولهادستخطریاضیچندزبانه | 2.6 ثانیه / صفحه | 25 اعتبار / صفحه |
Amazon Textractaws/textract | فرمها و استخراج کلید-مقدار | جدولهافرمهادستخطکادرهای محدوده | 1.2 ثانیه / صفحه | 25 اعتبار / صفحه |
Claude Opus 4.1anthropic/claude-opus-4-1 | Complex, high-stakes documents | جدولهادستخطریاضیچندزبانه | 2.5 ثانیه / صفحه | 27 اعتبار / صفحه |
Azure Document Intelligenceazure/document-intelligence | فرمهای سازمانی و کارت شناسایی | جدولهافرمهادستخطکادرهای محدوده | 1.5 ثانیه / صفحه | 60 اعتبار / صفحه |
103 از 103 مدل