Are you sure you want to sign out?
Basta ricopiare! Con l’AI di mappatura ottica 2D converti subito scansioni, screenshot e PDF in testo modificabile e ricercabile.
Fai clic per caricare o trascina i file
Formato: JPG, JPEG, PNG, GIF, WEBP
Dimensione: Fino a 10MB, risoluzione massima: 4096×4096
Caricamento in corso: demo2.wav
Dimensione file: 295.54 KB
Caricamento sul server…
demo2.wav
Dimensione file: 295.54 KB
✓ Caricato con successo
DeepSeek AI ha presentato DeepSeek‑OCR, un metodo rivoluzionario che comprime i lunghi contesti tramite una mappatura ottica 2D. Il sistema dimostra che una compressione basata sulla visione può ottenere efficienza eccellente nella gestione di documenti ad alta densità di testo, con il potenziale di cambiare il modo in cui i modelli linguistici di grandi dimensioni (LLM) elaborano enormi quantità di informazioni testuali.
DeepSeek‑OCR è composto da due componenti principali: DeepEncoder e il decodificatore DeepSeek3B‑MoE‑A570M. Insieme consentono di raggiungere 97% di accuratezza OCR con rapporti di compressione inferiori a 10× (ossia 10 token testuali compressi in 1 token visivo); anche con compressione 20×, il sistema mantiene circa il 60% di accuratezza.
L’innovazione centrale di DeepSeek‑OCR è la capacità di comprimere drasticamente l’informazione testuale mantenendo un’elevata accuratezza:
Questi risultati mostrano che modelli linguistici leggeri possono decodificare efficacemente rappresentazioni visive compresse, suggerendo che LLM più grandi possono acquisire capacità simili con un opportuno pre‑training.
DeepEncoder è una nuova architettura che mantiene basso uso di memoria e pochi token visivi anche con input ad alta risoluzione. Caratteristiche chiave:
Su OmniDocBench, DeepSeek‑OCR mostra un’efficienza eccellente:
DeepSeek‑OCR offre prestazioni eccezionali in applicazioni reali, generando dati di addestramento per modelli linguistici di grandi dimensioni (LLM) e modelli visivo‑linguistici (VLM) su scala senza precedenti:
I modelli visuo‑linguistici open source (VLM) adottano tre principali tipi di codificatori visivi, ciascuno con vantaggi e limiti distinti:
DeepEncoder combina i migliori tratti dei vari approcci minimizzandone i difetti, bilanciando efficienza di memoria, numero di token e capacità di elaborazione, superando tali limitazioni.
DeepEncoder è progettato per supportare in modo efficiente più risoluzioni, consentendo di gestire documenti di dimensioni e complessità diverse senza sacrificare le prestazioni né richiedere risorse computazionali eccessive.
Il componente di decodifica utilizza DeepSeek3B‑MoE‑A570M, un’architettura a Mixture‑of‑Experts che offre inferenza efficiente mantenendo alta accuratezza. Questo design consente al modello di specializzarsi nei diversi aspetti dei compiti OCR, condividendo la conoscenza tra gli esperti.
Scopri altri utili strumenti AI per aumentare la tua produttività
Converti la voce in testo utilizzando il riconoscimento AI. Trascrive accuratamente file audio e registrazioni vocali.
Scambia i volti nelle foto con la tecnologia AI. Crea divertenti e realistici scambi di volti con pochi clic.
Estrai testo dalle immagini utilizzando la tecnologia OCR AI. Converti foto, screenshot e documenti in testo modificabile.
