Novedad

Sandboxes, en preview privada: microVM aisladas para agentes de IA, compatibles con los SDK de E2B.Leer más

Serenity Edge

Reto de OCR

Modelo
paddleocr-vl-1.6AbiertoLee imágenesModelo abierto, no forma parte de Orion. Modelo abierto de OCR de documentos: a partir de la imagen de una página y una instrucción, devuelve su texto, tablas, fórmulas o datos de gráficos.

paddleocr-vl-1.6 es un modelo abierto que lee páginas de documentos. La página dibuja cuatro documentos inventados y envía cada uno como imagen; el modelo devuelve el texto que lee y la página lo compara, campo a campo, con lo que dice el documento. Estropea un documento para ver qué sigue leyendo, o prueba con una imagen tuya.

En vivo: esta demo hace llamadas reales a la API, con una clave de demostración y un límite de llamadas por visita.

Elige un documento y pulsa Leer el documento: el modelo lee la imagen y la página compara lo que ha leído con la verdad, campo a campo. Después, estropea el documento (gíralo, añade ruido o desenfoque, destíñelo, cambia la tipografía) y mira qué sigue leyendo.

Documento
Estropea el documento

El recorrido de la llamada

Campo a campo

Pulsa Leer el documento para ver qué lee el modelo.

Campos leídos

Lee un documento para ver cuántos de sus campos acierta el modelo.

  • Factura: sin leer todavía
  • Formulario: sin leer todavía
  • Tabla: sin leer todavía
  • Aviso: sin leer todavía

Llamadas al modelo

El coste y los milisegundos aparecerán con la primera llamada.

Ver la llamada

Una petición por lectura a POST /v1/chat/completions: la página como imagen y después una instrucción de tarea de las que lista la documentación: Table Recognition: para la tabla y OCR: para los demás documentos y para tu imagen.

Ruta
POST /v1/chat/completions
Modelo
paddleocr-vl-1.6
Referencia de POST /v1/chat/completions

La clave de API la añade el servidor y nunca llega a tu navegador.

En el cURL, la imagen es un marcador: sustitúyelo por la data URL de tu imagen PNG o JPEG.

Petición

Llévalo a tu código

La misma ruta lee documentos escaneados y responde preguntas sobre imágenes, desde tu propio código.