Zero-To-CAD-Qwen3-VL-2B
ADSKAILab基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗DISCOVER & COMPARE
探索 AI 模型 325
trocr-base-printed-fr
agomberto基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗trocr-large-handwritten-fr
agomberto基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗FormulaNet
alephpi基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗mgp-str-base
alibaba-damoMGP-STR base-sized model is trained on MJSynth and SynthText. It was introduced in the paper Multi-Granularity Prediction for Scene Text Recognition and first released in this repository. MGP-STR is pure vision STR model, consisting of ViT and specially designed A^3 modules. The ViT module was initialized from the weights of DeiT-base, except the patch embedding model, due to the inconsistent input size. Images (32x128) are presented to the model as a sequence of fixed-size patches (resolution 4x4), which are linearly embedded. One also adds absolute position embeddings before feeding the sequence to the layers of the ViT module. Next, A^3 module selects a meaningful combination from the tokens of ViT output and integrates them into one output token corresponding to a specific character. Moreover, subword classification heads based on BPE A^3 module and WordPiece A^3 module are devised for subword predictions, so that the language information can be implicitly modeled. Finally, these multi-granularity predictions (character, subword and even word) are merged via a simple and effective fusion strategy.
译文排队中 · 当前显示来源原文
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗LiteALPR
anhone3基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗smt-camera-grandstaff
antoniorv6基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗smt-grandstaff
antoniorv6基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Qota-OCR
atonlee基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Rukopys-OCR-4B-GGUF
Axway基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗indic-ocr
bodhan-ai基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗pix2text-mfd-1.5
breezedeus基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗pix2text-mfr
breezedeusThis MFR model utilizes the TrOCR architecture developed by Microsoft, starting with its initial values and retrained using a dataset of mathematical formula images. The resulting MFR model can be used to convert images of mathematical formulas into LaTeX text representation. More detailed can be found: Pix2Text V1.0 New Release: The Best Open-Source Formula Recognition Model | Breezedeus.com. 此 MFR 模型使用了微软的 TrOCR 架构，以其为初始值并利用数学公式图片数据集进行了重新训练。 获得的 MFR 模型可用于把数学公式图片转换为 LaTeX 文本表示。更多细节请见：Pix2Text V1.0 新版发布：最好的开源公式识别模型 | Breezedeus.com。 This method requires the installation of pix2text, utilizing the Mathematical Formula Detection model (MFD) within Pix2Text. It is capable of recognizing not only pure formula images but also mixed images containing text.
译文排队中 · 当前显示来源原文
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗pix2text-mfr-1.5
breezedeusThis MFR model utilizes the TrOCR architecture developed by Microsoft, starting with its initial values and retrained using a dataset of mathematical formula images. The resulting MFR model can be used to convert images of mathematical formulas into LaTeX text representation. More detailed can be found: Pix2Text V1.0 New Release: The Best Open-Source Formula Recognition Model | Breezedeus.com. 此 MFR 模型使用了微软的 TrOCR 架构，以其为初始值并利用数学公式图片数据集进行了重新训练。 获得的 MFR 模型可用于把数学公式图片转换为 LaTeX 文本表示。更多细节请见：Pix2Text V1.0 新版发布：最好的开源公式识别模型 | Breezedeus.com。 This method requires the installation of pix2text, utilizing the Mathematical Formula Detection model (MFD) within Pix2Text. It is capable of recognizing not only pure formula images but also mixed images containing text.
译文排队中 · 当前显示来源原文
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗transcoda-59M-zeroshot-v1
btrkeks基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗sd3.5-large-turbo
calcuis基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗tiny-image-captioning
cnmoro基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗pix2tex-mfr-gguf
cstr基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Apache-2.0 Tesseract LSTM line-recognition models converted to GGUF for CrispEmbed. The repository contains English, German, French, Spanish, Italian, Portuguese, Dutch, Russian, Arabic, Simplified Chinese, Japanese, and Korean variants. These are line recognizers: normalize and crop individual text lines before recognition, or pair them with a detector such as DBNet for full-page OCR. Each language has an F32 reference, an F16 deployment model, and Q8_0/Q4_K variants. The quantized models preserve `output.weight` and `output.bias` at the source precision (F16 for the multilingual F16-derived models; F32 for German regenerated from its original `.traineddata`). Only recurrent matrices are quantized. This preserves the CTC decision boundary and keeps critical character logits stable.
译文排队中 · 当前显示来源原文
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗indra-ocr
datalab-toIndra OCR is a 1M-parameter OCR model that runs on CPU. It turns PDFs and images into markdown, text, or JSON with boxes, and it reads handwriting, 80+ languages, and pages at any angle. Indra OCR is built for speed on CPUs. When you need the highest accuracy, on handwriting, math, complex tables and degraded scans, our managed platform runs Chandra, our state of the art OCR model, with zero data retention by default, SOC 2 Type 2, and custom BAAs. If you have high volume workloads, we offer a batch processing service that can handle 1B+ pages a day.
译文排队中 · 当前显示来源原文
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗ko-trocr
ddobokki基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗暂未找到匹配模型
可以调整厂商、分类或输入输出条件；新模型正持续收录。
COST EXPLORER
好模型，也要算好成本。
调整月度 Token 用量，直观比较不同模型的预估 API 开支。
1 M = 100 万 Token · 美元计价
仅比较同一渠道的基础文本 Token 报价
仅比较同一渠道的基础文本 Token 报价
使用已采集且单位可比的 USD / 百万 Token 渠道报价。报价为采集时快照；不计缓存优惠、阶梯价、推理额外输出与税费，请以来源的当前报价为准。
MODEL HANDBOOK
读懂模型，再做选择
API 价格应该怎么比较？+
先区分输入、输出和缓存价格，再使用同一任务和用量估算总费用。图像、音频和视频可能按张、时长或分辨率计费，不能直接与 Token 单价比较。
开放权重，就代表可以免费商用吗？+
不一定。必须逐一核对具体模型版本的许可证、商用限制及使用政策。自己部署还需要考虑显存、推理资源和运维费用。
排行榜第一，就是最适合我的模型吗？+
榜单取决于测试任务、版本与评测方法。建议用实际业务样本比较准确性、时延、稳定性和成本，再选择模型。