视频中如此好的效果用的模型为gemini-2.0-flash、有条件的可以试试，阿里最新qwen-vl-max好像也行
复杂文本的识别请使用能力强的多模态模型

相比于其他OCR的优势

1、可以识别多个语种不需要做其他特殊的配置，目前主流的语言都可以较为精准的识别
2、可以识别公式，可以相对较好的识别公式
3、以上功能不需要单独特殊的配置，一次性ALL in

硅基流动

默认使用的模型为硅基流动中的模型，可以自己更换其他模型，只是个demo，如果有意见可以提

请在硅基流动获取API-KEY，注册免费送额度

智谱清言

智谱清言大模型平台，上有免费的glm-4v-flash可以使用，注册送token，在此处获取apikey
智谱清言

通义千问

可以使用通义千问的多模态大模型，质量相当不错

Mistral OCR

Mistral OCR新更新了专用的ocr模型，可以将文本以markdown的形式输出，效果可以媲美谷歌和阿里，但是对于微小图片的识别有些问题,支持cloudflare的ai getway代理

Google大模型gemini的api填写方式

自行获取api-key和解决网络问题，Google AI Studio

具体的apibase填写可以参考quicker的官方文档