AI Models8 menit baca

MiniCPM-OCR bisa membaca satu folder pindaian secara lokal. Halaman mana yang masih perlu diperiksa?

SDK MiniCPM-OCR 1.0.5 memproses beberapa masukan sekali jalan. Simpan satu hasil per dokumen, periksa kolom penting, dan tentukan pindaian mana yang bisa masuk arsip yang dapat ditelusuri.

K
Ken Jo

Tiga faktur lama mudah dibaca orang, tetapi sulit ditelusuri. Yang pertama PDF dengan isi yang diratakan. Yang kedua foto lembar dengan sudut terlipat. Yang terakhir pindaian bersih dengan tabel yang melintasi dua halaman. OCR lokal bisa mengubah gambar menjadi teks, tetapi penanggung jawab arsip perlu tahu hasil mana milik berkas mana, dan apakah makna kolom tetap terjaga.

Pada 9 November 2026, OpenBMB merilis SDK MiniCPM-OCR versi 1.0.5. Pembaruan ini menerima beberapa masukan dalam satu eksekusi dan mengeluarkan hasil per berkas. Opsi terpisah dapat memperlakukan gambar mandiri sebagai dokumen sendiri. Model MiniCPM-OCR 1.0 dengan 1,3 miliar parameter dirancang untuk dokumen dan PDF berbahasa Mandarin dan Inggris. OpenBMB sebelumnya sudah merilis model dan SDK, serta menerbitkan petunjuk menjalankan layanan pengenalan secara lokal. Rilis PyPI · Proyek dan riwayat perubahan OpenBMB

Mulai dari satu batch kecil yang hasilnya bisa diaudit. Berikan pengenal tetap pada setiap masukan, simpan hasil ekstraksi di sampingnya, lalu periksa kolom yang menimbulkan masalah jika salah. Ini membedakan draf yang bisa dicari dari catatan yang dapat dipakai untuk bertindak.

Ilustrasi rilis MiniCPM-OCR dari OpenBMB menunjukkan dokumen diubah menjadi teks terstruktur

Ilustrasi resmi rilis MiniCPM-OCR dari OpenBMB menunjukkan alur dokumen menjadi teks terstruktur. Apache 2.0. Dirasterisasi dan diubah ukurannya oleh Telli.sh. Ilustrasi asli

Pembaruan ini memudahkan menjaga batas setiap dokumen

Catatan rilis OpenBMB tanggal 9 November menyatakan bahwa versi 1.0.5 mengembalikan satu hasil per berkas jika diberi beberapa masukan. Opsi --split-images membuat gambar mandiri menjadi dokumen terpisah. Kedua hal ini penting ketika kantor menangani campuran PDF multihalaman dan foto kamera. Faktur yang sudah disatukan dalam satu PDF biasanya tetap dikelompokkan. Dua foto yang tidak berkaitan perlu tetap menjadi dua catatan. Paket MiniCPM-OCR 1.0.5 dan catatan rilis

Untuk evaluasi kecil, siapkan satu dokumen dari setiap jenis. PDF yang bersih bisa menetapkan urutan baca yang benar. Foto dapat mengungkap kesalahan akibat lipatan, rotasi, atau pantulan. Tabel padat dapat menunjukkan apa yang terjadi jika dua kolom berisi nilai yang mirip. Jika ada foto dua halaman dari catatan yang sama, tentukan pengelompokannya sebelum memasukkan ke parser. Pengelompokan mengikuti dokumen, sedangkan perintah menerima berkas.

Beberapa dokumen asli menghasilkan draf OCR masing-masing, lalu setiap draf diperiksa terhadap sumbernya

Contoh batch memakai satu pengenal dokumen tetap per masukan dan mempertahankan sumber sepanjang peninjauan. Ilustrasi oleh Telli.sh.

Gunakan manifes masukan yang mengidentifikasi dokumen asli, jumlah halaman, dan keluaran yang diharapkan. Jika memakai checksum untuk mendeteksi perubahan tak sengaja, buat nilainya dari dokumen asli sebelum batch dijalankan. Simpan hasil ekstraksi di tujuan terpisah agar percobaan berikutnya tidak menimpa satu-satunya sumber. Jika dua folder sama-sama memiliki berkas bernama invoice.pdf, pengenal tetap menjaga pasangan yang benar.

Mulai dari format yang dapat dibaca proses berikutnya. SDK OpenBMB merangkai keluaran menjadi Markdown atau JSON sesuai konfigurasi pemanggil. Markdown mudah dibaca untuk meninjau draf. Keluaran terstruktur membantu proses berikutnya menangani wilayah halaman yang dikembalikan parser. Keduanya masih perlu dibandingkan dengan gambar jika angka atau kolom akan dipakai untuk mengambil keputusan. Alur penguraian OpenBMB

Penyiapan lokal memiliki tahap tata letak dan pengenalan

Dokumentasi OpenBMB menjelaskan dua bagian penguraian halaman penuh di desktop. SDK memakai model tata letak untuk menemukan dan mengurutkan teks, tabel, rumus, dan wilayah lain. Wilayah yang dipotong dikirim melalui HTTP ke layanan pengenalan, lalu respons dirangkai menurut urutan baca. Keduanya bisa dijalankan pada perangkat yang Anda kendalikan. Layanan pengenalan adalah lingkungan terpisah dan SDK juga bisa diarahkan ke layanan di tempat lain. Panduan penguraian halaman penuh dan penerapan lokal OpenBMB

Batas itu penting saat dokumen memuat informasi pribadi. Periksa ke mana tahap tata letak mengirim potongan halaman. SDK lokal yang dikonfigurasi memanggil layanan hos tetap bisa mengirim isi dokumen melalui jaringan. Penyiapan lokal perlu mengarah ke layanan yang dimaksud dan mengikuti kebijakan penyimpanan serta log organisasi. Demo publik dengan contoh sintetis memperlihatkan antarmuka tanpa mengirim dokumen pelanggan asli.

Pada 5 November, OpenBMB menerbitkan image Docker yang membundel SDK, vLLM, dan model. Penyiapan yang didokumentasikan memerlukan Linux x86-64, GPU NVIDIA, driver kompatibel dengan CUDA 12.9, dan Docker dengan NVIDIA Container Toolkit. OpenBMB juga mendokumentasikan backend seperti llama.cpp dan Ollama untuk pengenalan. Ukuran model saja belum menjawab apakah perangkat nyaman menjalankan seluruh alur. Periksa komponen tata letak, format model, memori, dan laju pemrosesan pada perangkat tujuan. Persyaratan penerapan OpenBMB

Ada juga jalur seluler untuk dokumen satuan. Pada 2 November, OpenBMB mengumumkan penguraian offline pada iOS. Pembaruan proyek pada 12 November memperluas demo di perangkat ke Android dan HarmonyOS. Demo seluler dan SDK batch desktop adalah cara penggunaan yang berbeda. Pilih yang sesuai dengan lokasi berkas dan cara memeriksa hasilnya. Riwayat rilis seluler OpenBMB

Periksa kolom yang bisa keliru meski terlihat benar

Bayangkan satu baris faktur berisi 10 unit dengan harga satuan 38,50. Hasil ekstraksi menempatkan 38,50 pada kolom kuantitas dan 10 pada kolom harga satuan. Sistem yang hanya mencari apakah kedua angka muncul bisa menganggap hasilnya lulus. Pengguna membutuhkan hubungan yang benar antara nilai dan kolom. Bandingkan baris, kepala kolom, dan total secara bersamaan.

Pada arsip pencarian, risikonya berbeda. Salah ketik pada catatan deskriptif mungkin masih bisa diterima bila petugas dapat menemukan aslinya. Kesalahan nomor pesanan dapat mengarahkan ke dokumen yang salah. Tentukan kolom yang harus cocok persis dan bandingkan dengan asli. Pertahankan nol di depan kode saat memeriksa. Tampilan numerik atau impor spreadsheet dapat menghapus nol itu walaupun parser membacanya dengan benar.

Contoh dokumenCocokkan sumber denganTentukan sebelum pemakaian berikutnya
FakturID pemasok, nomor faktur, mata uang, total, dan kepala kolomKolom mana yang harus cocok persis
Laporan banyak kolomJudul, urutan kolom, serta keterangan gambarApakah hasil mengikuti urutan baca
Formulir diputar atau difotoNama, kotak tercentang, cap, atau isian dekat lipatanHalaman mana yang perlu diperiksa manual atau dipindai ulang
Pindaian multibahasaID dan teks kolom pada setiap bahasa yang adaBahasa mana yang memenuhi kriteria penerimaan arsip

OpenBMB menyebut MiniCPM-OCR 1.0 ditujukan untuk bahasa Mandarin dan Inggris. Tim yang memakai halaman bahasa Korea atau campuran perlu mengukur ketepatan sendiri pada halaman itu. Sertakan dokumen padat, formulir bersih, dan foto untuk setiap bahasa penting. Catat jenis kesalahannya daripada merata-ratakan sampel kecil dari dokumen berbeda. Deskripsi model OpenBMB

Skor wilayah membantu menentukan mana yang perlu diperiksa lebih dulu

OpenBMB juga menerbitkan MiniCPM-OCR Jev, model terpisah yang membandingkan teks, rumus, dan tabel hasil ekstraksi dengan wilayah gambar. Proyek menjelaskan skor sebagai cara menemukan bagian yang mungkin perlu ditinjau. Gunakan untuk mengurutkan pekerjaan batch sambil tetap mencocokkan kolom berdampak besar dengan aslinya. Uji apakah skor dapat memprioritaskan kesalahan penting sebelum memakainya untuk mengatur antrean. Penjelasan MiniCPM-OCR Jev dari OpenBMB

Bagian yang meragukan dan kolom penting dikembalikan ke halaman asli untuk diperiksa

Skor wilayah opsional membantu menentukan prioritas pemeriksaan. Kolom yang memengaruhi pembayaran, pengenal, atau keputusan lain masih dapat memerlukan pemeriksaan langsung. Ilustrasi oleh Telli.sh.

Siapkan himpunan referensi kecil dengan kesalahan yang sudah dikenal tim. Karakter hilang pada nomor suku cadang, baris yang salah sejajar, dan kalimat pada halaman bersih menguji jenis kegagalan berbeda. Tambahkan beberapa wilayah yang benar. Lihat kapan model memberi nilai tinggi pada kesalahan atau nilai rendah pada hasil yang benar. Bahas contoh tersebut sebelum menjadikan ambang skor bagian dari alur.

Buat perbedaan tetap terlihat. Jika peninjau mengoreksi total, simpan keluaran OCR awal dan catat koreksi terhadap dokumen sumber. Dengan catatan itu, tim bisa melihat apakah masalah terkumpul pada jenis dokumen atau metode pengambilan tertentu. Petugas berikutnya juga bisa membedakan koreksi manusia dari hasil awal model.

Waktu pemeriksaan manusia menentukan apakah pendekatan batch layak diperluas. Catat waktu penyelesaian masalah dan jenis halaman yang perlu dilihat lagi. Alat lokal bisa menghemat waktu pada dokumen bersih, sementara pindaian buruk menambah antrean. Jika formulir kertas yang sama berulang kali gagal, memperbaiki cara memindainya bisa lebih berguna daripada menambahkan model.

Gunakan batch kecil yang bisa gagal dengan beberapa cara

  1. Kumpulkan sampel dokumen yang telah diizinkan. Sertakan pindaian bersih, foto berotasi, dan tabel multihalaman dengan bahasa dan tata letak yang mewakili. Simpan setiap asli memakai pengenal tetap.
  2. Pilih jalur lokal yang disetujui. Untuk batch desktop, ikuti panduan penerapan lokal OpenBMB dan verifikasi endpoint layanan pengenalan. Periksa persyaratan perangkat dan lingkungan sebelum memuat berkas. Panduan resmi penerapan lokal
  3. Jalankan SDK dan simpan hasil per berkas. Catat versi SDK, model atau kuantisasi, backend, dan format keluaran. Pilih pengelompokan gambar secara sengaja dan simpan sumber untuk setiap hasil. Petunjuk SDK 1.0.5
  4. Periksa sesuai pekerjaan yang akan dilakukan arsip. Cek urutan baca untuk pencarian dan kolom yang penting bagi proses berikutnya. Catat dokumen yang diterima, dikoreksi, atau ditolak beserta alasannya.
  5. Ulangi dengan set kecil yang baru. Gunakan aturan penerimaan sama. Bandingkan waktu sampai pemeriksaan selesai dan keterlacakan, lalu tangani jenis dokumen yang masih perlu diproses manual sebelum memperbesar volume.

Mulai dari penggunaan yang terjangkau. Asisten pencarian catatan rapat hasil pindai tidak perlu jaminan kolom setara alat pengisian formulir pembayaran. Awali dari pencarian atau alur lain yang bisa dibatalkan jika itulah kebutuhan terdekat. Uji coba membantu menunjukkan jenis ekstraksi yang kelak memerlukan pemeriksaan lebih kuat.

Buat arsip menunjukkan apa yang diindeks. Jika hasil pencarian hanya menampilkan teks mesin, pengguna dapat menganggap teks yang masuk akal itu sudah sahih. Tampilkan nama berkas sumber atau ID dokumen di samping hasil, dan mudahkan membuka halaman terkait. Jika ada status pemeriksaan, tampilkan juga agar pengguna tahu kapan perlu membaca aslinya.

Uji pula pemulihan jika satu batch memakai folder keluaran yang sama. Bayangkan satu berkas gagal dan hanya berkas itu dijalankan kembali dengan konfigurasi lain. Pastikan hasil lain masih tersedia dan manifes menunjukkan keluaran yang berasal dari percobaan kedua. Ini tidak memerlukan pemrosesan ulang otomatis. Tujuannya memastikan satu hasil dapat diperbaiki tanpa kehilangan catatan hasil berkas lain.

Batch berguna ketika setiap hasil bisa dirunut ke halamannya

Pembaruan SDK MiniCPM-OCR mengurangi pekerjaan mengirim setiap berkas satu per satu. Selebihnya merupakan keputusan pengelolaan arsip. Pertahankan batas dokumen, pilih tempat pemrosesan gambar, dan sesuaikan pemeriksaan tiap kolom dengan kebutuhan alur berikutnya. Ketika seseorang menemukan sebuah angka bulan depan, ia perlu bisa membuka halaman sumber dan melihat apa yang dibaca parser.

Sumber


Untuk menyimpan keputusan pemeriksaan arsip dokumen dalam catatan yang dapat ditelusuri, buat akun Telli.sh.


← Kembali ke blog