|
|
本帖最后由 nanimarcus 于 2025-4-18 15:39 编辑
* n( |5 @; x$ z+ I% w8 @' ~5 P5 B; R! W. C! A/ h; Y
已经搞定.$ f$ ~! j2 m( ]5 Z1 v) _4 B
; o. _# }. ~+ Q; D
首先 PDF 本身已经OCR了,Adobe Acrobat Pro中自带这个功能。
, {1 ~0 {4 i6 l8 Z5 f" v, Q- k) G2 S2 ^* J/ o; y
1, python + pypdf 按章节拆分小的PDF6 N* F! z) D/ ?# C1 R% f, k0 {8 M
' R' Y) D% l" M9 N; m' A6 Y" F( F% S( B2, pdftotext -enc UTF-8 -nopgbrk -eol dos input outputfile
9 w! u' a& k! D# S& M+ [2 _% l9 N1 x. x
得到text file
* s# t( R2 o" S S( Q) [# a% `( U8 O$ O: K! J& |7 l: |
3, python 读取整个outputfile,丢给deepseek 矫正。9 w% u% L4 f: y9 S% r" W
0 \2 O' }* r. j2 M2 B3 f
模型是 deepseek-chat0 s9 @1 H# g* v7 Q9 Z# V5 l
5 H/ j8 U: d+ U7 C. omax_tokens 最大是 8192,别的不用改。
8 w0 m* J0 o2 q) L3 d% F/ ]+ ~9 E/ D5 l8 u
参考:
! X1 g6 ?- D1 phttps://api-docs.deepseek.com/api/create-chat-completion
* t! j- y" k G
- r7 X5 V' z% @' a' a) n' e2 H1 F( C4,费用:1 O1 ?5 |7 K) Q9 _9 Q3 Z
0 _6 S% T! v1 o2 [% G
实测:
1 }& E5 B% {, H+ @6 \. ^( Q+ {9 @% g& R( ^& z( j1 J
296K 字母,用了 9 美分。
' L5 U# U1 s. m# _& s2 k- o, u* M
英文字母 到 token 用量大约 1/3; U( O7 h( i; [6 O: w! ?- c4 }
9 s2 O( @8 h" E8 {tokens: total, 11782 completion, 3729 prompt, 8053 | s: 32899" w. h) ~" H4 s5 {/ ~! X
l. _# m( y- U6 [, I8 c32899 个字母花费 11782 tokens,包含输入输出的 tokens# J" e5 E( e& ~4 L4 p( K
7 h/ s% v3 @' W价钱,非常非常便宜了。% j, C4 w# D6 F7 {! B6 D
! D. [ ~, m3 l6 B: O. {5 ]/ Y `/ X' K0 T, V参考如下可以计算,懒得算了。
# n9 z% [. O6 m ?; l8 w i& ?+ p1 a
, y, R; Q) y! u& ahttps://api-docs.deepseek.com/quick_start/pricing. V0 S. B8 }8 e2 S" m
- H% y4 n2 `# K0 o; P
1M TOKENS INPUT (CACHE HIT)(4) $0.07 $0.14
! G: W+ e7 e6 I0 o0 J1M TOKENS INPUT (CACHE MISS) $0.27 $0.55! a/ W6 n4 j6 V# s& `
1M TOKENS OUTPUT(5) $1.10 $2.19
* @" X6 C' p9 T2 j% S
, ]2 g' \/ T6 G2 H: P5, Balance" N* j7 f- l4 H3 _" D/ }% L; [
/ a7 H& k/ W2 B8 ~8 J1 K7 J可以在程序里调用,知道每次运行结束后,balance还剩多少。
$ V, \2 N# s& n5 \# C2 L* s/ w参考:
/ d- u4 l# [* [5 P ^) shttps://api-docs.deepseek.com/api/get-user-balance
) u3 o, i0 N1 g4 [2 E. Q) t) N; |: D5 A* Q$ d2 l
6, Models
: E% A w" ^) Y% ?& U' Z# S! ]/ _0 k b9 q6 B, i5 ?/ E
目前就两个; ], S1 p( X, u% @/ w' L; P
# deepseek-chat
6 j2 h! s: u/ c4 U8 q# deepseek-reasoner
* P0 Z* t# O. n$ M% a3 V/ K9 n
^) a& g- C7 _2 S$ {参考:
% w2 i$ W9 G) ?1 f1 z l2 O- yhttps://api-docs.deepseek.com/api/list-models
6 M1 s ~. }& V3 m
; Z1 H7 o; Y6 p9 |8 T; V0 @8 [. @
+ E" z8 v; W! A+ t* \7, 问题
! U1 i1 [: {+ @: w) v6 i( n: M4 Z/ `& ~1 [8 d7 Y7 w6 a) E
deepseek 会将前后两段合成一段。
4 W8 a5 F2 I' e' u! D" j& W D& {特别是那种大量的对话的段落,deepseek会给你合成一大段。
# b/ D/ L" d" d0 u9 ?' ~% Z/ S$ U. Q
* ?6 ?+ Z3 x# M# ?$ {3 I8, 钱说了算。
% |8 h( H1 [, D$ A) ^5 ^; E1 I
5 d. e7 P' d; m5 p1 a9 n+ y6 Jdeepseek 如果是免费的网页版,有时候会出现超出范围的提示,不干了。0 N. S0 u8 j9 t; ^6 D; S- |, B2 D$ ^
但是API就不会出现这种情况,毕竟我们给钱了。
" m i* s @/ H3 vchatgpt也是这样的。
6 i$ O# ~' q" k" y* |$ B, a U% U2 v! l9 u3 i9 u9 A3 ~* g
) v" p- p% Y0 `: C3 e! S% g. Y: q
|
评分
-
查看全部评分
|