文档OCR APIs

关于 EmpirioLabs 上的文档OCR

浏览 EmpirioLabs 提供的文档OCR模型，并通过一个按量计费的 API 调用它们。

文档OCR 模型（1）

LightOnOCR-3 4B

文档OCR，可以将PDF和图片逐页读取成结构化的Markdown，包含表格、数学、图表、图像区域和布局。

如何调用 文档OCR 模型

LightOnOCR-3 4B 通过 POST /v1/ocr 读取 PDF 和图像，并以 Markdown 返回每一页。将 PDF 的 URL 放入 document，连同模型 ID lightonocr-3-4b 一起发送；如只需处理部分页面，请在 pages 中列出从 0 开始的页码。图像也可按同样方式通过 {"type": "image_url", "image_url": "https://..."} 发送，两种 URL 都可以是 base64 data URI。响应的 pages 数组列出每一页的 index、markdown、images、tables 和 dimensions，usage_info.pages_processed 表示已处理的页数。 如果请求在几分钟后仍在处理，会返回 job_id，请轮询 GET /v1/jobs/{job_id} 获取结果；发送 Prefer: respond-async 请求头可立即获得任务 ID。 可以把 model ID 换成上面的任意模型。 在EmpirioLabs 控制台获取 API 密钥。

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
  }'

文档OCR API：常见问题

EmpirioLabs 提供多少个文档OCR模型 API？

EmpirioLabs 列出了1 文档OCR模型 API（包括 LightOnOCR-3 4B）。每个模型都有自己的 API 页面，包含实时价格、参数和快速上手。

EmpirioLabs 上的文档OCR API 如何计费？

每个文档OCR模型都按量计费，没有月度最低消费。准确的价格表在各模型页面上，并且始终与 API 的实际计费一致。

使用文档OCR模型需要是开发者吗？

不需要。这里的每个模型都能在EmpirioLabs Playground中运行，那是一个友好的浏览器界面，不写代码就能设置选项并查看结果。需要自动化时，同一个模型也可以通过 API 使用。

其他模型类别