openrouter上线免费的qianfan-ocr模型

问题描述：

openrouter.ai

Qianfan-OCR-Fast (free) - API Pricing & Providers

Qianfan-OCR-Fast is a domain-specific multimodal large model purpose-built for OCR. $0 per million input tokens, $0 per million output tokens. 65,536 token context window, maximum output of 28,672 tokens.

网友解答：

---

--【壹】--：

那我觉得你这样的需求，ocr只是工具或者说，应该要给出一个"新表头"的定义和转换的例子，然后让多模态模型把pdf转为文本data,再用程序转成pdf好一点。无思考的ocr,终究不能理解工作是什么，一般只能提取文字了，就算能把表格提取出来后续还是要处理

---

--【贰】--：

现在ocr王者不是阿里开源那个什么Logics-Parsing-v2么？

我记得本地部署8G显存就可以了好像

---

--【叁】--：

真不错，后面的这种 ocr 服务价格可以打下来能把很多文档都提取成 md 来用。

---

--【肆】--：

第一眼看成qianfen-ocr了，还以为可以一键识别千芬操作并自动砸蛋

---

--【伍】--：

我前段时间做了一个很长的重复工作，就是把pdf日程表规格统一，因为每个人处理的日程表有不同的表头，然后要把所有的日程表统一成相同的表头，再重新生成pdf，我是让我的claw去做的，然后第1个思路是。直接让AI调用视觉模型，识别了之后，让AI直接做新表格做word转pdf，第二个就是放知识库用解析再读取，结果是前者的效果更好一点，但是做到后面的时候，就会开始忘了前面要做什么，开始忘记表头是什么，然后忘记正确的规范是什么。第2个在知识库里，再从知识库里提出来的时候，内容结构很混乱。不过那会还没用上mineru， mineru解析出来的表格结构和文字看起来都蛮不错的。我做的这件事大概就是你说的。 Ocr识别结构化，并把结构化重新嵌入。

---

--【陆】--：

ocr的主要功能是识别文字并标记位置吧，到底是要重新嵌入文字才完整

---

--【柒】--：

mineru的pdf转md我感觉是最好的，ocr还有什么场景比较复杂吗

---

--【捌】--：

没充值的帐号，每天只能调用50次吧？没什么用。