ドキュメントOCR APIs

EmpirioLabs のドキュメントOCRについて

EmpirioLabs で利用できるドキュメントOCRモデルを閲覧し、従量課金の1つの API から呼び出せます。

ドキュメントOCR モデル (1)

LightOnOCR-3 4B

PDFや画像をページごとに構造化されたMarkdownに読み込むドキュメントOCR(文書OCR)で、表、数学、チャート、画像領域、レイアウトも含めて。

ドキュメントOCR モデルの呼び出し方

LightOnOCR-3 4B は POST /v1/ocr で PDF と画像を読み取り、各ページを Markdown で返します。PDF の URL を document に入れ、モデル ID lightonocr-3-4b と一緒に送信してください。特定のページだけを処理するには、0 から始まるページ番号を pages に指定します。画像も {"type": "image_url", "image_url": "https://..."} で同じように送信でき、どちらの URL も base64 のデータ URI にできます。レスポンスの pages には各ページの index、markdown、images、tables、dimensions が含まれ、usage_info.pages_processed は処理したページ数を示します。 数分たっても処理中のリクエストは job_id を返すので、GET /v1/jobs/{job_id} をポーリングしてください。Prefer: respond-async ヘッダーを付けると、ジョブ ID をすぐに受け取れます。 model ID は上のどのモデルにも差し替えられます。 EmpirioLabs ダッシュボードで API キーを取得してください。

curl https://api.empiriolabs.ai/v1/ocr \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "lightonocr-3-4b",
    "document": {
      "type": "document_url",
      "document_url": "https://arxiv.org/pdf/2412.13663"
    },
    "pages": [0, 1],
    "include_image_base64": false
  }'

ドキュメントOCR API: よくある質問

EmpirioLabs はドキュメントOCRモデル API をいくつ提供していますか?

EmpirioLabs には 1 ドキュメントOCRモデル APIがあります(LightOnOCR-3 4B など)。各モデルにはライブ料金、パラメーター、クイックスタートを備えた専用 API ページがあります。

EmpirioLabs のドキュメントOCR API はどのように課金されますか?

すべてのドキュメントOCRモデルは従量課金で、月額最低料金はありません。正確な料金表は各モデルのページにあり、常に API の請求額と一致します。

ドキュメントOCRモデルを使うには開発者である必要がありますか?

いいえ。ここにあるすべてのモデルはEmpirioLabs プレイグラウンドで動きます。コードを書かずにオプションを設定して結果を確認できる、使いやすいブラウザ内インターフェースです。自動化したくなったら、同じモデルを API から利用できます。

その他のモデルカテゴリ