AI OCR 模型
103 個 OCR API、視覺模型和開源引擎。同一種請求,同一種輸出,一張帳單。
| 模型 | 擅長 | 支援 | 速度 | 價格 |
|---|---|---|---|---|
Tesseracttesseract/tesseract | 清晰印刷文字,免費 | 多語言 | 0.6 秒 / 頁 | 免費 |
DeepSeek-OCRdeepseek/deepseek-ocr | 低成本批次轉換 | 表格公式座標框多語言 | 1.1 秒 / 頁 | 1 點數 / 頁 |
Jina OCRjina/jina-ocr | 低成本輸出乾淨的 Markdown | 表格公式多語言 | 1.5 秒 / 頁 | 1 點數 / 頁 |
PaddleOCR (PP-OCR)paddle/paddleocr | 快速辨識中英文印刷體 | 座標框置信度多語言 | 0.7 秒 / 頁 | 1 點數 / 頁 |
EasyOCRjaided/easyocr | 快速指令碼和場景文字 | 座標框置信度多語言 | 0.9 秒 / 頁 | 1 點數 / 頁 |
OCRmyPDFocrmypdf/ocrmypdf | 把掃描檔轉成可搜尋 PDF | 多語言 | 1.0 秒 / 頁 | 1 點數 / 頁 |
RapidOCRrapidai/rapidocr | CPU 或邊緣裝置上的輕量 OCR | 座標框置信度多語言 | 0.6 秒 / 頁 | 1 點數 / 頁 |
docTRmindee/doctr | 帶位置的詞級 OCR | 座標框置信度 | 0.9 秒 / 頁 | 1 點數 / 頁 |
Krakenkraken/kraken | 歷史文獻和手稿 | 手寫座標框多語言 | 1.5 秒 / 頁 | 1 點數 / 頁 |
TrOCRmicrosoft/trocr | 手寫文本行 | 手寫 | 1.2 秒 / 頁 | 1 點數 / 頁 |
Granite Doclingibm/granite-docling | 小模型文件轉換 | 表格公式座標框 | 1.5 秒 / 頁 | 1 點數 / 頁 |
SmolDoclinghuggingface/smoldocling | 極低成本的頁面轉換 | 表格公式座標框 | 1.0 秒 / 頁 | 1 點數 / 頁 |
Donutnaver/donut | 微調後提取票據和表單欄位 | 表單 | 1.0 秒 / 頁 | 1 點數 / 頁 |
GOT-OCR 2.0stepfun/got-ocr-2 | 格式化文本、公式和圖表 | 表格公式座標框 | 1.5 秒 / 頁 | 1 點數 / 頁 |
Florence-2microsoft/florence-2 | Lightweight OCR with boxes | 座標框 | 0.8 秒 / 頁 | 1 點數 / 頁 |
Tesseract.jstesseract/tesseract-js | OCR in the browser | 座標框置信度多語言 | 2.0 秒 / 頁 | 1 點數 / 頁 |
OpenOCRfudan/openocr | Lightweight OCR pipeline on CPU | 表格公式座標框 | 0.5 秒 / 頁 | 1 點數 / 頁 |
OCR.spaceocrspace/ocr-space | 便宜的簡單 OCR | 表格座標框多語言 | 1.5 秒 / 頁 | 1 點數 / 頁 |
Gemini 2.5 Flash-Litegoogle/gemini-2-5-flash-lite | High-volume simple pages | 表格公式多語言 | 2.5 秒 / 頁 | 1 點數 / 頁 |
Qwen2.5-VL-7Bqwen/qwen2-5-vl-7b | Low-cost self-hosted OCR | 表格手寫公式座標框 | 2.5 秒 / 頁 | 1 點數 / 頁 |
Llama 3.2 11B Visionmeta/llama-3-2-11b-vision | Lightweight self-hosted vision | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
Mistral Small 3.2mistral/mistral-small-3-2 | Self-hosted small vision model | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
Amazon Nova Liteamazon/nova-lite | Cheap vision on AWS Bedrock | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
Phi-3.5-visionmicrosoft/phi-3-5-vision | Small self-hosted model | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
Kimi-VL-A3Bmoonshot/kimi-vl | Efficient self-hosted vision | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
GLM-4.1V-Thinkingzai/glm-4-1v-thinking | Small reasoning vision model | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
SmolVLMhuggingface/smolvlm | On-device and edge use | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
Idefics3huggingface/idefics3 | Self-hosted image questions | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
Molmoallenai/molmo | Open research vision model | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
Llama Nemotron Nano VLnvidia/llama-nemotron-nano-vl | Self-hosted document understanding | 表格公式多語言 | 2.5 秒 / 頁 | 1 點數 / 頁 |
LLaVA-OneVisionllava/llava-onevision | Open research vision model | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
Aya Visioncohere/aya-vision | Multilingual image questions | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
Janus-Prodeepseek/janus-pro | Experimental image understanding | 多語言 | 3.0 秒 / 頁 | 1 點數 / 頁 |
Qianfan OCRbaidu/qianfan-ocr | 中文文件 | 表格公式手寫多語言 | 2.0 秒 / 頁 | 2 點數 / 頁 |
Unlimited OCRbaidu/unlimited-ocr | 書籍和超長文件 | 表格公式座標框多語言 | 1.2 秒 / 頁 | 2 點數 / 頁 |
MinerUopendatalab/mineru | 學術 PDF | 表格公式座標框多語言 | 2.0 秒 / 頁 | 2 點數 / 頁 |
Doclingibm/docling | 為 RAG 輸出結構化資料 | 表格公式座標框 | 2.2 秒 / 頁 | 2 點數 / 頁 |
olmOCRallenai/olmocr | 為資料集批次 PDF 轉文本 | 表格公式手寫 | 1.5 秒 / 頁 | 2 點數 / 頁 |
Chandradatalab/chandra | 複雜版面和手寫 | 表格公式手寫表單 | 2.0 秒 / 頁 | 2 點數 / 頁 |
Suryadatalab/surya | 版面和行級 OCR | 表格座標框多語言 | 1.5 秒 / 頁 | 2 點數 / 頁 |
dots.ocrrednote/dots-ocr | 多語言文件解析 | 表格公式座標框多語言 | 1.5 秒 / 頁 | 2 點數 / 頁 |
Nanonets-OCRnanonets/nanonets-ocr | 帶語義標籤的 Markdown | 表格公式表單多語言 | 1.8 秒 / 頁 | 2 點數 / 頁 |
Hunyuan OCRtencent/hunyuan-ocr | 中文文件和照片 | 表格公式座標框多語言 | 1.5 秒 / 頁 | 2 點數 / 頁 |
Qwen-VLqwen/qwen-vl | 用提示詞靈活提取 | 表格手寫公式座標框 | 2.0 秒 / 頁 | 2 點數 / 頁 |
MonkeyOCRmonkeyocr/monkeyocr | 中英文 PDF | 表格公式座標框 | 1.5 秒 / 頁 | 2 點數 / 頁 |
Nougatmeta/nougat | arXiv 風格論文 | 表格公式 | 3.0 秒 / 頁 | 2 點數 / 頁 |
Typhoon OCRtyphoon/typhoon-ocr | 泰文文件 | 表格多語言 | 1.8 秒 / 頁 | 2 點數 / 頁 |
RolmOCRreducto/rolmocr | Fast open PDF to text | 表格手寫 | 3.0 秒 / 頁 | 2 點數 / 頁 |
Pixtralmistral/pixtral | Questions about document images | 多語言 | 3.0 秒 / 頁 | 2 點數 / 頁 |
InternVL3.5opengvlab/internvl | Self-hosted document understanding | 表格公式多語言 | 3.0 秒 / 頁 | 2 點數 / 頁 |
MiniCPM-V 4.5openbmb/minicpm-v | OCR on edge devices | 表格手寫多語言 | 2.5 秒 / 頁 | 2 點數 / 頁 |
DeepSeek-VL2deepseek/deepseek-vl2 | Charts and tables | 表格座標框 | 3.0 秒 / 頁 | 2 點數 / 頁 |
Phi-4-multimodalmicrosoft/phi-4-multimodal | Small model for OCR and questions | 表格公式 | 2.5 秒 / 頁 | 2 點數 / 頁 |
Google Cloud Vision OCRgoogle/cloud-vision | 照片和簡單掃描檔 | 手寫座標框置信度多語言 | 1.0 秒 / 頁 | 2 點數 / 頁 |
Gemini 2.0 Flashgoogle/gemini-2-0-flash | Low-cost general OCR | 表格手寫公式多語言 | 2.5 秒 / 頁 | 2 點數 / 頁 |
Gemma 3google/gemma-3 | Self-hosted image reading | 多語言 | 3.0 秒 / 頁 | 2 點數 / 頁 |
Qwen3-VLqwen/qwen3-vl | Self-hosted multilingual OCR | 表格手寫公式座標框 | 2.5 秒 / 頁 | 2 點數 / 頁 |
Llama 4 Maverickmeta/llama-4-maverick | Self-hosted general vision | 表格公式多語言 | 2.5 秒 / 頁 | 2 點數 / 頁 |
Llama 4 Scoutmeta/llama-4-scout | Self-hosted long inputs | 表格公式多語言 | 2.5 秒 / 頁 | 2 點數 / 頁 |
ERNIE 4.5 VLbaidu/ernie-4-5-vl | Chinese documents, self-hosted | 表格公式多語言 | 2.5 秒 / 頁 | 2 點數 / 頁 |
GPT-4.1 miniopenai/gpt-4-1-mini | Low-cost image extraction | 表格公式多語言 | 2.5 秒 / 頁 | 3 點數 / 頁 |
GPT-4o miniopenai/gpt-4o-mini | Cheap simple pages | 表格公式多語言 | 2.5 秒 / 頁 | 3 點數 / 頁 |
Gemini 2.5 Flashgoogle/gemini-2-5-flash | Bulk pages with mixed layouts | 表格手寫公式多語言 | 2.5 秒 / 頁 | 3 點數 / 頁 |
Qwen2.5-VL-72Bqwen/qwen2-5-vl-72b | Self-hosted document parsing | 表格手寫公式座標框 | 2.5 秒 / 頁 | 3 點數 / 頁 |
QVQ-72B-Previewqwen/qvq-72b | Visual reasoning over charts | 多語言 | 3.0 秒 / 頁 | 3 點數 / 頁 |
Llama 3.2 90B Visionmeta/llama-3-2-90b-vision | Self-hosted image questions | 多語言 | 3.0 秒 / 頁 | 3 點數 / 頁 |
Amazon Nova Proamazon/nova-pro | Vision on AWS Bedrock | 表格公式多語言 | 2.5 秒 / 頁 | 3 點數 / 頁 |
GLM-4.5Vzai/glm-4-5v | Self-hosted document and chart reading | 表格手寫公式座標框 | 2.5 秒 / 頁 | 3 點數 / 頁 |
Doubao-Seed-1.6bytedance/doubao-seed-1-6 | Chinese documents via Volcano Engine | 表格公式多語言 | 2.5 秒 / 頁 | 3 點數 / 頁 |
Reka Flashreka/reka-flash | Hosted multimodal questions | 多語言 | 3.0 秒 / 頁 | 3 點數 / 頁 |
GPT-5 miniopenai/gpt-5-mini | Everyday extraction at lower cost | 表格手寫公式多語言 | 2.5 秒 / 頁 | 4 點數 / 頁 |
Qwen-VL-Maxqwen/qwen-vl-max | Hosted Chinese and English documents | 表格手寫公式多語言 | 2.5 秒 / 頁 | 4 點數 / 頁 |
Mistral Medium 3mistral/mistral-medium-3 | Hosted general vision in the EU | 表格公式多語言 | 2.5 秒 / 頁 | 4 點數 / 頁 |
Command A Visioncohere/command-a-vision | Enterprise document questions | 表格公式多語言 | 2.5 秒 / 頁 | 4 點數 / 頁 |
LlamaParsellamaindex/llamaparse | RAG 資料匯入 | 表格公式座標框多語言 | 3.0 秒 / 頁 | 5 點數 / 頁 |
PaddleOCR-VLpaddle/paddleocr-vl | 中日韓文件 | 表格公式座標框置信度 | 1.3 秒 / 頁 | 6 點數 / 頁 |
GLM-OCRzai/glm-ocr | 低成本通用文件 | 表格公式座標框置信度 | 1.3 秒 / 頁 | 6 點數 / 頁 |
o4-miniopenai/o4-mini | Reasoning over images at lower cost | 表格手寫公式多語言 | 2.5 秒 / 頁 | 6 點數 / 頁 |
Claude Haiku 4.5anthropic/claude-haiku-4-5 | Fast reading at lower cost | 表格手寫公式多語言 | 2.5 秒 / 頁 | 6 點數 / 頁 |
Grok 2 Visionxai/grok-2-vision | Image questions | 多語言 | 3.0 秒 / 頁 | 6 點數 / 頁 |
Mathpix Convertmathpix/convert | 數學和科學論文 | 公式手寫表格座標框 | 1.5 秒 / 頁 | 7 點數 / 頁 |
Gemini 2.5 Progoogle/gemini-2-5-pro | Long PDFs and complex layouts | 表格手寫公式多語言 | 2.5 秒 / 頁 | 8 點數 / 頁 |
Google Document AIgoogle/document-ai | 多語言掃描檔 | 表格表單手寫座標框 | 1.4 秒 / 頁 | 10 點數 / 頁 |
GPTopenai/gpt | 雜亂掃描檔、自定義指令 | 表格手寫公式多語言 | 2.4 秒 / 頁 | 11 點數 / 頁 |
GPT-4.1openai/gpt-4-1 | Long documents with instructions | 表格手寫公式多語言 | 2.5 秒 / 頁 | 11 點數 / 頁 |
GPT-4oopenai/gpt-4o | General document reading | 表格手寫公式多語言 | 2.5 秒 / 頁 | 11 點數 / 頁 |
Markerdatalab/marker | 書籍和研究論文 | 表格公式座標框多語言 | 2.5 秒 / 頁 | 14 點數 / 頁 |
Chunkrchunkr/chunkr | 為 RAG 生成版面感知分塊 | 表格公式座標框多語言 | 3.0 秒 / 頁 | 14 點數 / 頁 |
ABBYY FineReaderabbyy/finereader | 辦公掃描檔轉 Word 和 PDF | 表格座標框多語言 | 2.0 秒 / 頁 | 14 點數 / 頁 |
Adobe Acrobat OCRadobe/acrobat-ocr | 在 Acrobat 中生成可搜尋 PDF | 多語言 | 2.0 秒 / 頁 | 14 點數 / 頁 |
GPT-5openai/gpt-5 | Hard pages with custom instructions | 表格手寫公式多語言 | 2.5 秒 / 頁 | 14 點數 / 頁 |
o3openai/o3 | Charts and pages that need reasoning | 表格手寫公式多語言 | 2.5 秒 / 頁 | 14 點數 / 頁 |
Claude Sonnet 4.5anthropic/claude-sonnet-4-5 | Long dense documents | 表格手寫公式多語言 | 2.5 秒 / 頁 | 14 點數 / 頁 |
Claude Sonnet 4anthropic/claude-sonnet-4 | Dense documents | 表格手寫公式多語言 | 2.5 秒 / 頁 | 14 點數 / 頁 |
Grok 4xai/grok-4 | General image questions | 表格公式多語言 | 2.5 秒 / 頁 | 14 點數 / 頁 |
Gemini Flashgoogle/gemini-flash | 手寫和複雜版面 | 表格手寫公式多語言 | 1.6 秒 / 頁 | 15 點數 / 頁 |
Reducto Parsereducto/parse | 要求嚴格的複雜文件 | 表格表單座標框置信度 | 4.0 秒 / 頁 | 20 點數 / 頁 |
Unstructuredunstructured/unstructured | 多種檔案型別匯入 RAG | 表格座標框多語言 | 3.0 秒 / 頁 | 20 點數 / 頁 |
Mistral OCRmistral/mistral-ocr | 大批次 PDF 轉 Markdown | 表格公式座標框多語言 | 0.9 秒 / 頁 | 25 點數 / 頁 |
Claudeanthropic/claude | 篇幅長、內容密的文件 | 表格手寫公式多語言 | 2.6 秒 / 頁 | 25 點數 / 頁 |
Amazon Textractaws/textract | 表單和鍵值提取 | 表格表單手寫座標框 | 1.2 秒 / 頁 | 25 點數 / 頁 |
Claude Opus 4.1anthropic/claude-opus-4-1 | Complex, high-stakes documents | 表格手寫公式多語言 | 2.5 秒 / 頁 | 27 點數 / 頁 |
Azure Document Intelligenceazure/document-intelligence | 企業表單和證件 | 表格表單手寫座標框 | 1.5 秒 / 頁 | 60 點數 / 頁 |
共 103 個模型,顯示 103 個