ကိရိယာအလိုက်: မည်သူနှင့် မည်သည့်အချက်များကို ဂရုစိုက်ရမည်နည်း
OmniDoc အခမဲ့ Document Extraction ကျွန်ုပ်တို့၏ ကိရိယာ
ခေါင်းစဉ်များ၊ စာပိုဒ်များနှင့် စာရင်းများသည် မူလအစကို ထိန်းသိမ်းထားပါသည်; ဖတ်ရှုသည့်အစဉ်အတိုင်း နှစ်ခု သို့မဟုတ် သုံးခုသော ကောလံများကို ပေါင်းစပ်ထားပါသည်။ ဇယားများသည် Markdown ဇယားများအဖြစ် ထွက်ပေါ်လာပြီး JSON တွင် အတန်းနှင့် ကောလံများအဖြစ် ပါဝင်ပါသည်; ရုပ်ပုံများကို images/ တွင် သိမ်းဆည်းထားပြီး ၎င်းတို့၏ တည်နေရာများကို အမှတ်အသားပြုထားပါသည်။ စကင်များသည် စာသားဖော်ထုတ်ခြင်း (OCR) ကို ဖြတ်သန်းပြီးနောက် ၎င်းတို့၏ အစီအစဉ်အတိုင်း စုစည်းထားပါသည်။ သင် အပ်လုဒ်တင်သည့် ဖိုင်များနှင့် ၎င်းတို့၏ ရလဒ်များကို သင်သာ ကြည့်ရှုနိုင်ပါသည်။
အသုံးပြုရန် ကောင်းမွန်သည့်အချက်များ: အရာများကို စီစဉ်ခြင်း သို့မဟုတ် ကုဒ်ရေးသားခြင်းမပြုဘဲ Markdown နှင့် JSON; အသိပညာအခြေခံစနစ် သို့မဟုတ် RAG အတွက် စာရွက်စာတမ်းများကို ပြင်ဆင်ခြင်း။
MinerU
MinerU အဖွဲ့ဝင် အရင်းအနှီးဖွင့်လှစ်မှု လိုင်စင် (ပိုမိုသတ်မှတ်ချက်များပါဝင်သည့် Apache 2.0 အပေါ် အခြေခံထားပါသည်)။ Precision Extract API သည် အသုံးပြုသူတစ်ဦးလျှင် တစ်နေ့လျှင် စာမျက်နှာ 200 MB နှင့် စာမျက်နှာ 600 အထိ ဖိုင်များကို လက်ခံပါသည်; Agent Lightweight API သည် ဝင်ရောက်အသုံးပြုရန် မလိုအပ်ဘဲ တစ် IP လျှင် အကန့်အသတ်ဖြင့် စာမျက်နှာ 10 MB နှင့် စာမျက်နှာ 20 အထိ ဖိုင်များကို လက်ခံပါသည်။
အသုံးပြုရန် ကောင်းမွန်သည့်အချက်များ: GPU ရှိ ဖွံ့ဖြိုးတိုးတက်သူများ၊ ကိုယ်တိုင်လည်ပတ်လိုသူများ သို့မဟုတ် API မှတစ်ဆင့် တရုတ်စာရွက်စာတမ်းများကို အစုလိုက် လုပ်ဆောင်လိုသူများ။
Source: MinerU — GitHub README, MinerU — API documentation (limits)
Docling
၎င်း၏ README သည် စာမျက်နှာ အလွှာချထားပုံ၊ ဖတ်ရှုသည့်အစဉ်အလာနှင့် ဇယားဖွဲ့စည်းပုံကို ဖော်ပြပါသည်၊ စကင်ဖတ်ထားသော PDF များနှင့် ရုပ်ပုံများအတွက် OCR ဖြစ်ပြီး၊ အထူးအချက်အလက်များနှင့် လေ-ဂပ်ဒ် ပတ်ဝန်းကျင်များအတွက် ဒေသတွင်းလည်ပတ်မှုဖြစ်ပါသည်။ မော်ဒယ်ဝိသေသနများသည် ၎င်းတို့ကိုယ်ပိုင် လိုင်စင်များကို ဆောင်ယူထားပြီး၊ သီးခြားစီ စစ်ဆေးရပါမည်။
အသုံးပြုရန် ကောင်းမွန်သည့်အချက်များ: အွန်လိုင်းမှ ဆက်သွယ်မှုမရှိစေရန် သို့မဟုတ် ၎င်းတို့၏ကွန်ရက်အတွင်းတွင်သာ ရှိနေရမည့် နှင့် Python ဖြင့် အဆင်ပြေသော အသင်းများ။
Source: Docling — GitHub README
Marker (Datalab)
မော်ဒယ်ဝိုင်ဖိုင်များသည် ပြုပြင်ထားသော OpenRAIL-M လိုင်စင်ကို အသုံးပြုပြီး၊ သုတေသန၊ ကိုယ်ရေးကိုယ်တာ အသုံးချမှုနှင့် ငွေကြေးအရ 5 မီလီယံဒေါ်လာအောက် ရရှိထားသော စတားတပ်များအတွက် အခမဲ့ဖြစ်ပြီး၊ ထိုထက်ကျော်လွန်သော စီးပွားရေးအသုံးချမှုများအတွက် ငွေကောက်ခံပါသည်။ လူကြိုက်များသော API ကို စာမျက်နှာ 1,000 လျှင် ဈေးနှုန်းသတ်မှတ်ထားပြီး၊ မြန်ဆန်သော အမြန်နှုန်းအတွက် $1၊ ဟန်ချက်ညီသော အမြန်နှုန်းအတွက် $3၊ တိကျသော အမြန်နှုန်းအတွက် $7.50 ဖြစ်ပြီး၊ အခမဲ့ခွင့်ပြုချက်ပမာဏ ကုန်ဆုံးပြီးမှသာ ကတ်ပြားလိုအပ်ပါသည်။
အသုံးပြုရန် ကောင်းမွန်သည့်အချက်များ: LaTeX ညီမျှခြင်းများနှင့် HTML ဇယားများကို လိုချင်ပြီး ဝိုင်ဖိုင်လိုင်စင်ဖြင့် အလုပ်လုပ်နိုင်သော ဖွံ့ဖြိုးတိုးတက်ရေးသမားများ။
Source: Marker — GitHub README, Datalab — Pricing
LlamaParse (LlamaIndex)
LlamaIndex ၏ ဈေးနှုန်းစာရင်းတွင် တစ်လလျှင် အခမဲ့ ခရက်ဒစ် 10,000 ပါဝင်သည့် $0 အခကြေးငွေ ပေးသွင်းသည့် အစီအစဉ်ကို ဖော်ပြထားပါသည်။ ခွဲခြမ်းစိတ်ဖြာမှု အဆင့်တစ်ခုစီတွင် အခြေခံ ခွဲခြမ်းစိတ်ဖြာမှုအတွက် ခရက်ဒစ် 1 ခုမှ စ၍ စာမျက်နှာတစ်ခုလျှင် ခရက်ဒစ် အမျိုးမျိုး သုံးစွဲပါသည်။ ၎င်းသည် LlamaIndex RAG စနစ်ထဲတွင် သင့်လျော်စွာ ပေါင်းစပ်နိုင်ပါသည်။
အသုံးပြုရန် ကောင်းမွန်သည့်အချက်များ: LlamaIndex ဖြင့် RAG ကို တည်ဆောက်နေပြီးသား ဖွံ့ဖြိုးတိုးတက်ရေးသမားများ။
Source: LlamaIndex — Pricing
Mathpix
Mathpix ၏ ဈေးနှုန်းစာရင်းတွင် အခမဲ့အစီအစဉ်တွင် တစ်လလျှင် PDF စာမျက်နှာ 10 ခုနှင့် ရုပ်ပုံ 10 ပုံ၊ .edu အီးမေးလ်ဖြင့် နှစ်ဆတိုးမြှင့်ထားသည်။ Pro သည် တစ်လ $4.99 ဖြင့် PDF စာမျက်နှာ 1,000 နှင့် ရုပ်ပုံ 5,000 အထိ ရရှိနိုင်သည်။ ပုံသေနည်းများ အသိအမှတ်ပြုခြင်းသည် ၎င်း၏ အားသာချက်ဖြစ်ပြီး အခမဲ့အသုံးပြုခွင့်သည် နည်းပါးပါသည်။
အသုံးပြုရန် ကောင်းမွန်သည့်အချက်များ: ပုံသေနည်းများပါဝင်သော တစ်ခါတစ်ရံ စာမျက်နှာ သို့မဟုတ် သင်္ချာပုစ္ဆာ၏ ဓာတ်ပုံ။
Source: Mathpix — Snip pricing
Azure AI Document Intelligence
Microsoft ၏ စာရွက်စာတမ်းအရ အခမဲ့အဆင့်သည် တစ်စုံတစ်ယောက်၏ ပထမဆုံး စာမျက်နှာ 2 ခုနှင့် 4 MB အထိရှိသော ဖိုင်များကိုသာ ခွဲခြမ်းစိတ်ဖြာပေးပြီး တစ်စက္ကန့်လျှင် တစ်ခုသော တောင်းဆိုချက်ကိုသာ ပြုလုပ်ပေးသည်။ ဈေးနှုန်းစာရင်းတွင် တစ်လလျှင် အခမဲ့စာမျက်နှာ 0–500 ကို ဖော်ပြထားသည်။ Azure ကို တည်ဆောက်မီ စမ်းသပ်လေ့လာရန် သင့်လျော်ပါသည်။
အသုံးပြုရန် ကောင်းမွန်သည့်အချက်များ: Azure ပေါ်တွင် တည်ဆောက်နေပြီးဖြစ်သော အသင်းများ၊ ၎င်းတို့သည် လုပ်ငန်းသုံး API လိုအပ်သည်။
Source: Microsoft Learn — Document Intelligence quotas and limits, Azure — Document Intelligence pricing