Phi-4-multimodal OCR آنلاین
مدل چندحالته متنی، بینایی و صوتی ۵.۶B مایکروسافت (فوریه ۲۰۲۵). با امتیاز ۸۴.۴ در بنچمارک OCRBench.
PDF, PNG, JPG, WebP, HEIC. هر فایل تا 20 MB، حداکثر 10 فایل.فایلی نیست؟
- شناسه مدل
- microsoft/phi-4-multimodal
- نوع
- مدل بینایی
- قیمت
- 2 اعتبار / صفحه ($2.00 به ازای ۱,۰۰۰ صفحه)
- سرعت معمول
- 2.5 ثانیه / صفحه
- ورودیها
- تصاویر
- زبانها
- انگلیسی برای بخش بینایی
- حداکثر صفحات در هر درخواست
- 500
- خروجی
- Markdown، JSON
- مجوز
- MIT
- پشتیبانی از
- جدولهاریاضی
curl https://api.ocrrouter.ai/v1/ocr \
-H "Authorization: Bearer $OCRROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "microsoft/phi-4-multimodal",
"file_url": "https://example.com/invoice.pdf",
"format": "markdown"
}'سرعت و پایداری Phi-4-multimodal
در حال بارگذاری…
اندازهگیریشده بر روی ترافیک سرویس ما طی ۷ روز گذشته.
قیمتگذاری Phi-4-multimodal
هزینه Phi-4-multimodal به ازای هر صفحه 2 اعتبار است. با هر یک دلار میتوان 1,000 اعتبار خرید، بنابراین ۱,۰۰۰ صفحه $2.00 هزینه دارد. شما فقط برای صفحاتی که خروجی دارند هزینه میپردازید.
حسابهای جدید 50 اعتبار رایگان دریافت میکنند که برای پردازش حدود 25 صفحه با این مدل کافی است. برای مشاهده بستههای اعتباری تعرفهها را ببینید.
مدلهای مشابه
1InternVL3.5خانواده مدلهای باز زبان-بینایی Shanghai AI Lab (از ۱B تا ۲۴۱B، اوت ۲۰۲۵)، با عملکرد عالی در بنچمارکهای OCR و اسناد.
opengvlab/internvl2 اعتبار / صفحه2Gemini 2.5 Flash-LiteLowest-cost Gemini 2.5 model, with image and PDF input.google/gemini-2-5-flash-lite۱ اعتبار / صفحه3GPT-4.1 miniSmaller GPT-4.1 model with image input at a lower price.openai/gpt-4-1-mini3 اعتبار / صفحههمه جایگزینهای Phi-4-multimodal
مقایسه Phi-4-multimodal
Phi-4-multimodal در برابر InternVL3.5Phi-4-multimodal در برابر Gemini 2.5 Flash-LitePhi-4-multimodal در برابر GPT-4.1 miniPhi-4-multimodal در برابر QVQ-72B-PreviewPhi-4-multimodal در برابر NougatPhi-4-multimodal در برابر GPT