Загрузка видео...
Не удалось загрузить видео
این مدل جدید Gemini 2.0 واقعا خیلی عالیه. و بازی را برای parse کردن و استخراج اطلاعات و سوال-جواب روی فایل های pdf کامل عوض کرده. درکش از تصاویر و چارت توی فایل خیلی بالاست و عملا OCR جداگانه را داره محو میکنه. و هزینه هم بسیار پایینه، مثلا... show more
41,318 просмотров • 1 год назад •via X (Twitter)
Комментарии: 12

آقا شما راهحلی به ذهنتان میرسه که چطوری یک لینک cast box را بدهم به یکی از این ابزارها و متنش را بگیرم؟ همهشون تقریباً این خطا را میدهند که نمیتوانند external link بگیرند.

اگه منظورت برای پادکست هست، لینک castbox کار نمیکنه. باید لینک فایل صوتی را از توش پیدا کنی و اونو بهش بدی که دانلود کنه و به متن تبدیلش کنی.

Announcing: Our most advanced speech-to-text model goes beyond accuracy to capture the real-world complexity of human conversation and deliver reliable, source-of-truth audio data. Explore Universal-2 updates 👇

آره ولی تو کد خوب نیست، تو پردازش تصویر حوب عمل میکند.

مهم نیست. برای کد یه مدل دیگه استفاده کن. قرار نیست یه مدل را برای همه کاری استفاده کنی.

ایده ای دارید چقدر میشه واسه pdf ocr ازش استفاده کرد؟ یعنی صد در صد extractive باشه و متن رو بکشه بیرون بدون اینه کلمهای رو جابجا کنه؟

اگه تو ocr خوب نبود که نمی تونست اینقدر عالی جواب بده. همیشه باید تست کنی، ولی در کل نتایج نزدیک به عالی هست. کاری نداره، روی یک فایل امتحان کن ببین نتیجه ای میخوای را میده. به نظرم سورپرایز میشی.

من با api با flash2exp کار کردم هر صفحه شد ۱۵۰۰ تومن flash2 عادی هم هر صفحه شد جدود ۲۰۰ تومن

چطور ازش استفاده کنیم؟ چون من رفتم فلش ۲ بنظر نمیتونست فایل اپلود شده پی دی اف بگیره

تو همین مثال هم من یه فایل اپلود شده را امتحان کردم. تو داکیومنتیشنش همه را توضیح داده.

روی ocr متن های دستنویس فارسی چطوره؟ کلا از بین مدل ها کدومشون رو این مورد قوی تره؟

کلا رو ocr عالیه ولی باید خودت مدلهای مختلف را تست کنی.
