InfoQ
·
Mistral AI推出基于大语言模型的多模态文档OCR API
内容提要
Mistral OCR是一种高效的OCR解决方案，能够数字化复杂文档，支持文本、图像和表格等多种元素，适合多模态文档处理。其性能优于其他主流OCR工具，支持多语言解析，并能提取嵌入图像。使用Python时，可通过mistralai包进行文件上传和处理，API限制为50MB或1000页。
关键要点
-
Mistral OCR是一种高效的OCR解决方案，适用于数字化复杂文档，包括文本、图像、表格和数学表达式。
-
Mistral OCR使用Mistral LLMs理解提取的内容，适合与RAG系统结合使用。
-
根据公司的基准测试，Mistral OCR的性能优于其他主流OCR解决方案，如Google Document AI和Azure OCR。
-
Mistral OCR能够以空前的准确性理解文档中的每个元素，包括媒体、文本、表格和方程。
-
Mistral的OCR API是唯一能够提取文档中嵌入图像的API，支持将文本和图像导出为markdown文件。
-
Mistral OCR支持多种语言和字体的解析、理解和转录。
-
Mistral OCR可以每分钟处理多达2000页，并将很快提供本地部署选项。
-
使用Python时，可以通过安装mistralai包来使用Mistral OCR API，支持身份验证和所有功能。
-
API限制为50MB或1000页，价格为每1000页/美元或每2000页/美元（批量OCR）。
延伸问答
Mistral OCR的主要功能是什么？
Mistral OCR能够数字化复杂文档，包括文本、图像、表格和数学表达式，支持多模态文档处理。
Mistral OCR与其他OCR工具相比有什么优势？
根据基准测试，Mistral OCR的性能优于Google Document AI和Azure OCR等主流OCR工具。
如何在Python中使用Mistral OCR API？
可以通过安装mistralai包来使用Mistral OCR API，支持文件上传和处理。
Mistral OCR支持哪些语言和字体？
Mistral OCR支持解析、理解和转录数千种脚本、字体和语言。
Mistral OCR的API限制是什么？
API限制为50MB或1000页，价格为每1000页/美元或每2000页/美元（批量OCR）。
Mistral OCR能处理多大的文档？
Mistral OCR可以每分钟处理多达2000页的文档。
