Mistral-მა OCR 4.1 გამოუშვა — აბზაცების დონის bounding box-ები და სანდოობის ქულები

Mistral-მა გამოაქვეყნა OCR 4.1 — დოკუმენტების ამოცნობის სერვისის ახალი ვერსია, რომელზეც მისი Document AI სტეკია აწყობილი. მოდელი კომპანიის დოკუმენტაციაში საჯარო გადახედვის (public preview) სტატუსითაა მითითებული, მისი გვერდები 16 ივლისითაა დათარიღებული, ხოლო მოდელების კატალოგში ის იდენტიფიკატორით mistral-ocr-4-1 ფიგურირებს.

რა არის ახალი 4.1-ში

სიახლეები უფრო სტრუქტურულია, ვიდრე ამოცნობის სიზუსტის მარკეტინგული განაცხადები: აბზაცების დონეზე bounding box-ების ჩამონტაჟებული ამოღება, სტრუქტურული ბლოკების ლეიბლები და თითოეული ბლოკისთვის სანდოობის ქულა. სამივე ფუნქცია ერთად იმას ნიშნავს, რომ სერვისი აბრუნებს ანოტირებულ შედეგს — რომელი ტექსტი რომელ ბლოკს ეკუთვნის, სად მდებარეობს ეს ბლოკი გვერდზე და რამდენად დარწმუნებულია მოდელი თითოეულ მათგანში — და არა ამოცნობილი სიმბოლოების ბრტყელ ნაკადს. სანდოობის სიგნალი განსაკუთრებით მნიშვნელოვანია იმ პროცესებისთვის, სადაც საჭიროა გადაწყვეტილება, როდის გადაეცეს გვერდი ადამიანს ხელით შესამოწმებლად და როდის შეიძლება მოდელის შედეგის ავტომატურად ნდობა.

უფრო ფართო Document AI სტეკის შიგნით

Mistral ამ სერვისს Document AI კრებულში ათავსებს, სადაც OCR სტრუქტურირებულ მონაცემთა ამოღებას უკავშირდება და სამიზნეა საწარმოო დონის დოკუმენტების დამუშავება მრავალი ტიპის დოკუმენტზე და ენაზე; მხარდაჭერილი ენების ცალკე სიაა გამოქვეყნებული. OCR 4.1-ის გარდა კრებული გთავაზობთ ანოტაციებს სტრუქტურირებული ველების ამოსაღებად, დოკუმენტებზე კითხვა-პასუხის ფუნქციას, რომელიც OCR-ს სხვა მოდელებთან აკავშირებს, და პაკეტურ დამუშავებას (batching) დიდი მოცულობის სამუშაოებისთვის. მოდელების შედარების გვერდი მხარდაჭერილ ფუნქციებად OCR-ს, სტრუქტურირებულ ანოტაციებს, bounding box-ების ამოღებასა და batching-ს ასახელებს.

ხელმისაწვდომობა და ფასი

დოკუმენტაცია მოდელს კვლავ საჯარო გადახედვად მოიხსენიებს და არა როგორც ზოგადად ხელმისაწვდომ გამოშვებას. Mistral-ის შედარების გზამკვლევი ასახელებს 4 დოლარს 1 000 გვერდზე სტანდარტული OCR-ისთვის და 5 დოლარს 1 000 ანოტირებული გვერდისთვის — ეს მოდელი გვერდებით, და არა ტოკენებით, აფასებს მომსახურებას და მნიშვნელოვანია გუნდებისთვის, რომლებიც დიდი არქივების ან ინვოისების დიგიტალიზაციის ღირებულებას ითვლიან. ვინც დოკუმენტური AI-ის ვარიანტებს ადარებს, პრაქტიკულად ერთ სიზუსტის მაჩვენებელზე მეტად ის აინტერესებს, ერგება თუ არა სტრუქტურირებული შედეგი მის არსებულ გადამოწმების სამუშაო პროცესებს.