> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/workflows/ja/burokku/blocks/run-a-model/glmocr.md).

# GLM-OCR

Zhipu AIによる文字認識に特化した視覚言語モデルGLM-OCRを使用して、画像内のテキストを認識します。

GLM-OCRは3つの組み込み認識モードをサポートしています：

* **テキスト認識** - シリアル番号、ラベル、シーンテキスト、文書などの汎用テキスト認識。
* **数式認識** - 数学の数式や方程式を認識します。
* **表認識** - 表の構造と内容を認識します。

また、 **カスタムプロンプト** を選択して、特殊な認識タスク用に独自のプロンプトを指定することも、 **構造化出力** を選択して、画像から値をユーザー定義スキーマのJSONドキュメントに抽出することもできます（JSON Parserブロックと組み合わせて、キーをワークフロー出力として具現化します）。

このブロックは検出モデルやDynamicCropBlockと相性がよく、OCRを実行する前に関心領域を切り出して分離できます。たとえば、オブジェクト検出モデルを使ってラベルやテキスト領域を見つけ、それらを切り出してから、切り出した画像をGLM-OCRに渡します。

注意: GLM-OCRの推論にはGPUが必要です。

### 型識別子

ステップで次の識別子を使用してください `"type"` フィールド： `roboflow_core/glm_ocr@v1` ワークフローにこのブロックをステップとして追加するには。

### プロパティ

| **名前**             | **型**            | **説明**                                                                                   | 参照 |
| ------------------ | ---------------- | ---------------------------------------------------------------------------------------- | -- |
| `name`             | `str`            | このステップの一意の識別子を入力してください。                                                                  | ❌  |
| `task_type`        | `str`            | 実行する認識タスクです。GLM-OCRに送信されるプロンプトを決定します。セレクタ（例: $inputs.task\_type）を受け付けるため、モードを動的に設定できます.. | ✅  |
| `プロンプト`            | `str`            | GLM-OCR用のカスタムテキストプロンプトです。task\_typeが'custom'のときにのみ使用されます..                               | ✅  |
| `output_structure` | `Dict[str, str]` | 想定されるJSONレスポンスの構造を示す辞書です。キーはJSONフィールド名で、値はモデルが各フィールドに何を入れるべきかを説明します..                    | ❌  |
| `max_new_tokens`   | `整数`             | 生成する最大トークン数です。設定されていない場合は、モデルのデフォルトが使用されます..                                             | ❌  |
| `model_version`    | `str`            | 推論に使用するGLM-OCRモデルです..                                                                    | ✅  |

この **参照** 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します `ワークフロー` 実行時。参照 *バインディング* 詳細は。

### ランタイム互換性

`ハード` - ランタイム `self_hosted_cpu`；実行 `ローカル` : GPU が必要です。run\_locally() は CUDA を必要とするモデルを読み込みます。

### 入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が `GLM-OCR` のバージョン `v1` あるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* 入力
  * `images` ([*`image`*](/workflows/ja/gaido/developer-guide/kinds/image.md)): 推論対象の画像です..
  * `task_type` ([*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)): 実行する認識タスクです。GLM-OCRに送信されるプロンプトを決定します。セレクタ（例: $inputs.task\_type）を受け付けるため、モードを動的に設定できます..
  * `プロンプト` ([*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)): GLM-OCR用のカスタムテキストプロンプトです。task\_typeが'custom'のときにのみ使用されます..
  * `model_version` ([*`roboflow_model_id`*](/workflows/ja/gaido/developer-guide/kinds/roboflow-model-id.md)): 推論に使用するGLM-OCRモデルです..
* 出力
  * `parsed_output` (*Union\[*[*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*)：の文字列値 `string` または LLM / VLM の出力（条件が `language_model_output`.

</details>

<details>

<summary>JSON 定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/glm_ocr@v1",
	    "images": "$inputs.image",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "画像内のテキストを説明してください。",
	    "output_structure": {
	        "my_key": "description"
	    },
	    "max_new_tokens": "<block_does_not_provide_example>",
	    "model_version": "glm-ocr"
	}
```

</details>