zai-org/GLM-OCR
Cloud OCR API sudah mati.
📅 Status: ✅ Published | 🗂️ Kategori: AI Models & Local Inference | ✍️ Kurator: Muh Habibie
🎯 Hook
Section titled “🎯 Hook”Cloud OCR API sudah mati. GLM-OCR adalah model 0.9B yang berjalan lokal via Ollama. Tanpa API key. Tanpa biaya penggunaan. Tanpa data yang keluar dari mesinmu. 100% Opensource.
📝 Deskripsi
Section titled “📝 Deskripsi”GLM-OCR adalah model OCR multimodal untuk pemahaman dokumen kompleks, dibangun di atas arsitektur encoder-decoder GLM-V. Memperkenalkan loss Multi-Token Prediction (MTP) dan stable full-task reinforcement learning untuk meningkatkan efisiensi training, akurasi pengenalan, dan generalisasi. Model ini mengintegrasikan visual encoder CogViT yang pre-trained pada data image-text skala besar, cross-modal connector ringan dengan token downsampling yang efisien, dan language decoder GLM-0.5B. Dikombinasikan dengan pipeline dua tahap layout analysis dan parallel recognition berbasis PP-DocLayout-V3, GLM-OCR memberikan performa OCR yang robust dan berkualitas tinggi di berbagai layout dokumen.
GLM-OCR cocok untuk developer dan pengguna yang peduli privasi, mengatasi masalah biaya OCR berbasis cloud dan paparan data dengan mengaktifkan pengenalan dokumen yang akurat sepenuhnya di mesin lokal.
💬 Komentar Netizen
Section titled “💬 Komentar Netizen”“Ini kelihatannya lompatan besar untuk OCR open-source yang robust! Pasti bookmark repo ini untuk eksperimen dengan kemampuan baru. Makasih sudah share! 🚀” — @kwak_toke
“ini tipe hal yang saya mau secara default lokal. OCR terasa kayak salah satu layer di mana di device emang produk yang lebih bagus, bukan cuma yang lebih murah” — @mktpavlenko
🖼️ Tangkapan Layar & Preview
Section titled “🖼️ Tangkapan Layar & Preview”