Model Detayları
GOT-OCR 2.0, görsellerdeki metni okur. Bir ya da daha fazla görsel URL’si verin; model tanınan metni her görsel için bir string olarak döndürür. Basılı belgeleri, el yazısını ve sahne metinlerini olduğu kadar tablolar, matematik formülleri, grafikler ve notalar gibi yapılandırılmış içeriği de kapsar. Güçlü yanı, pek çok içerik türünde genel amaçlı optik karakter tanımayı tek bir modelde toplamasıdır: sıradan OCR düz metinde kalırken GOT-OCR 2.0, yerleşim bilgisi taşıyan ve yoğun notasyon içeren materyali de çıkarır. Sonucu Markdown/LaTeX olarak almak için biçimlendirme modunu açın; böylece tablolar ve denklemler düz bir karakter dizisi olarak değil, yapıları bozulmadan gelir.
## En uygun olduğu işler - Taranmış ya da fotoğrafı çekilmiş belgelerden ve fişlerden metni çıkarmak - Doğal fotoğraflardaki sahne metinlerini ve tabelaları okumak - Tabloları, matematik formüllerini ve grafikleri yapılandırılmış Markdown/LaTeX olarak çıkarmak (`do_format` alanını true yapın) - Notaları ve yoğun notasyon içeren diğer görselleri yazıya dökmek - Tek bir çağrıda bir dizi görsel üzerinde toplu OCR — her görsel kendi metin string’ini verir
## Şu durumlarda başka bir model seçin - Tanınan metni yalnızca çıkarmak değil, çevirmek ya da özetlemek istiyorsanız — OCR sonrasında bir metin modeli kullanın - Kelime düzeyinde bounding box’lar ya da hassas yerleşim koordinatları gerekiyorsa — bu model konum geometrisi değil, metin döndürür - Girdiniz görsel değil de ses ya da videoysa — bir speech-to-text ya da video modeli kullanın
## İpuçları - Her sayfayı ya da fotoğrafı `input_image_urls` içinde ayrı bir öğe olarak verin; çıktı dizisi, tanınan metni her görsel için bir string olacak şekilde, sırasıyla döndürür. - Görselde tablo, denklem ya da nota varsa ve Markdown/LaTeX yapısının korunmasını istiyorsanız `do_format` alanını true yapın; düz bir dökümün yeterli olduğu sade metinlerde false bırakın. - Net, iyi aydınlatılmış ve makul ölçüde yüksek çözünürlüklü görseller kullanın — bulanıklık, parlama ve eğiklik tanıma doğruluğunu düşürür.
## Gelişmiş Yapılandırma - `do_format` (boolean, varsayılan `false`): `true` olduğunda tanınan metin biçimlendirilmiş modda (Markdown/LaTeX) döner ve tabloların, matematik ve müzik notasyonunun yapısı korunur. Düz metin dökümü için `false` bırakın.
ModelRunner JavaScript client ile çalıştırmak için: ```js import { modelrunner } from "@modelrunner/client";
const result = await modelrunner.subscribe("stepfun-ai/got-ocr/v2", { input: { input_image_urls: [ "https://media.modelrunner.ai/example-document.png" ], do_format: true, }, }); ```