Phi-4-multimodal OCR online
Model tekstu, wizji i dźwięku 5.6B od Microsoftu (luty 2025). Wynik 84.4 w benchmarku OCRBench według karty modelu.
PDF, PNG, JPG, WebP, HEIC. Do 20 MB każdy, maks. 10 plików.Brak pliku?
- ID modelu
- microsoft/phi-4-multimodal
- Typ
- Model wizyjny
- Cena
- 2 kredytów / strona ($2.00 za 1 000 stron)
- Typowa szybkość
- 2.5 s / strona
- Dane wejściowe
- obrazy
- Języki
- Angielski dla modułu wizyjnego
- Maks. stron na żądanie
- 500
- Format wyjściowy
- Markdown, JSON
- Licencja
- MIT
- Obsługuje
- TabeleWzory
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"
}'Szybkość i niezawodność Phi-4-multimodal
Ładowanie…
Zmierzone na naszym własnym ruchu w ciągu ostatnich 7 dni.
Cennik Phi-4-multimodal
Phi-4-multimodal kosztuje 2 kredytów za stronę. Za jednego dolara kupisz 1,000 kredytów, więc 1 000 stron kosztuje $2.00. Płacisz tylko za strony, które zwrócą wynik.
Nowe konta otrzymują 50 darmowych kredytów, co wystarcza na około 25 stron w tym modelu. Zobacz cennik, aby poznać pakiety kredytów.
Podobne modele
1InternVL3.5Otwarta rodzina modeli wizyjno-językowych od Shanghai AI Lab (od 1B do 241B, sierpień 2025), uzyskująca świetne wyniki w benchmarkach OCR i dokumentów.
opengvlab/internvl2 kredytów / strona2Gemini 2.5 Flash-LiteLowest-cost Gemini 2.5 model, with image and PDF input.google/gemini-2-5-flash-lite1 kredyt / strona3GPT-4.1 miniSmaller GPT-4.1 model with image input at a lower price.openai/gpt-4-1-mini3 kredytów / stronaWszystkie alternatywy dla Phi-4-multimodal
Porównaj Phi-4-multimodal
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