Phi-4-multimodal OCR オンライン
Microsoftの5.6Bテキスト・ビジョン・音声モデル(2025年2月版)。モデルカード記載のOCRBenchスコアは84.4。
PDF, PNG, JPG, WebP, HEIC。1ファイルあたり最大 20 MB、最大 10 件。ファイルがありません
- モデルID
- microsoft/phi-4-multimodal
- タイプ
- ビジョンモデル
- 料金
- 2クレジット / ページ (1,000ページあたり$2.00)
- 標準処理速度
- 2.5秒 / ページ
- 入力形式
- 画像
- 対応言語
- ビジョン機能は英語のみ
- 1リクエストあたりの最大ページ数
- 500
- 出力形式
- Markdown、JSON
- ライセンス
- MIT
- 対応機能
- 表数式
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"
}'Phi-4-multimodalの速度と信頼性
読み込み中…
直近7日間の独自トラフィックの実測値です。
Phi-4-multimodalの料金体系
Phi-4-multimodalの料金は1ページあたり2クレジットです。1ドルで1,000クレジットを購入できるため、1,000ページあたり$2.00となります。結果が正常に返されたページのみ課金されます。
新規登録で50無料クレジットを進呈中。このモデルで約25ページ分処理できます。 クレジットパックの詳細は料金表をご覧ください。
類似モデル
1InternVL3.5OCRおよびドキュメント評価で高い性能を示す上海AIラボのオープン視覚言語モデル群(1B〜241B、2025年8月版)。
opengvlab/internvl2クレジット / ページ2Gemini 2.5 Flash-LiteLowest-cost Gemini 2.5 model, with image and PDF input.google/gemini-2-5-flash-lite1クレジット / ページ3GPT-4.1 miniSmaller GPT-4.1 model with image input at a lower price.openai/gpt-4-1-mini3クレジット / ページPhi-4-multimodalを比較
Phi-4-multimodal vs InternVL3.5Phi-4-multimodal vs Gemini 2.5 Flash-LitePhi-4-multimodal vs GPT-4.1 miniPhi-4-multimodal vs QVQ-72B-PreviewPhi-4-multimodal vs NougatPhi-4-multimodal vs GPT