AI Models9 minit bacaan

MiniCPM-OCR boleh membaca satu folder imbasan secara setempat. Halaman mana masih perlu disemak?

SDK MiniCPM-OCR 1.0.5 memproses beberapa input dalam sekali jalan. Simpan satu hasil bagi setiap dokumen, semak medan penting dan tentukan imbasan yang boleh dimasukkan ke dalam arkib yang boleh dicari.

K
Ken Jo

Tiga invois lama mudah dibaca oleh manusia tetapi sukar dicari. Yang pertama ialah PDF yang telah diratakan. Yang kedua ialah foto dengan sudut kertas terlipat. Yang terakhir ialah imbasan bersih dengan jadual yang merentasi dua halaman. Alat OCR setempat boleh menukar imej ini kepada teks. Orang yang meluluskan arkib pula perlu tahu hasil mana datang daripada fail mana dan sama ada lajur masih membawa makna asalnya.

OpenBMB mengeluarkan versi 1.0.5 SDK MiniCPM-OCR pada 9 November 2026. Kemas kini itu menerima beberapa input dalam satu pelaksanaan dan mengeluarkan satu hasil bagi setiap fail. Satu pilihan berasingan boleh menganggap imej kendiri sebagai dokumen individu. Model MiniCPM-OCR 1.0 dengan 1.3 bilion parameter direka untuk dokumen dan PDF dalam bahasa Cina dan Inggeris. OpenBMB sudah mengeluarkan model dan SDK lebih awal dan menerbitkan arahan untuk menjalankan perkhidmatan pengecaman secara setempat. Keluaran PyPI · Projek OpenBMB dan sejarah perubahan

Percubaan yang berguna ialah kelompok kecil yang hasilnya boleh diaudit. Berikan pengenal yang konsisten kepada setiap input, simpan hasil ekstrak bersama sumbernya dan periksa medan yang akan menyebabkan masalah jika tersilap. Itulah yang membezakan draf yang boleh dicari daripada rekod yang boleh digunakan untuk bertindak.

Ilustrasi keluaran MiniCPM-OCR oleh OpenBMB menunjukkan dokumen ditukar kepada teks berstruktur

Ilustrasi rasmi keluaran MiniCPM-OCR oleh OpenBMB menunjukkan dokumen menjadi teks berstruktur. Apache 2.0. Ditukar kepada imej raster dan diubah saiz oleh Telli.sh. Ilustrasi asal

Kemas kini memudahkan setiap dokumen kekal sebagai rekod berasingan

Nota keluaran OpenBMB pada 9 November menyatakan bahawa versi 1.0.5 memulangkan satu hasil bagi setiap fail apabila menerima beberapa input. Pilihan --split-images menjadikan imej kendiri sebagai dokumen berasingan. Kedua-dua butiran ini penting apabila pejabat mempunyai campuran PDF berbilang halaman dan foto kamera. Invois yang sudah digabungkan dalam satu PDF biasanya patut dikekalkan sebagai satu dokumen. Dua foto yang tidak berkaitan patut kekal sebagai dua rekod. Pakej dan nota keluaran MiniCPM-OCR 1.0.5

Untuk penilaian kecil, sediakan satu dokumen bagi setiap jenis. PDF yang bersih boleh menetapkan urutan bacaan yang dijangka. Foto sehelai kertas boleh menunjukkan sama ada lipatan, putaran atau silau menyebabkan kesilapan pada satu bahagian. Jadual padat menunjukkan apa yang berlaku apabila dua lajur mengandungi nilai yang serupa. Jika arkib mempunyai foto dua halaman daripada rekod yang sama, tentukan cara mengumpulkannya sebelum dihantar kepada alat penghuraian. Pengelompokan asal mengikut dokumen, sementara arahan menerima fail.

Beberapa dokumen asal menghasilkan draf OCR yang sepadan sebelum setiap draf dibandingkan dengan sumber asalnya

Contoh kelompok menggunakan satu pengenal dokumen yang konsisten bagi setiap input dan mengekalkan sumber sepanjang semakan. Ilustrasi oleh Telli.sh.

Gunakan manifest input yang mengenal pasti dokumen asal, jumlah halaman dan output yang dijangka. Jika jumlah semak digunakan untuk mengesan perubahan tidak sengaja, janakannya daripada dokumen asal sebelum memproses kelompok. Simpan hasil ekstrak di destinasi berasingan supaya percubaan seterusnya tidak menulis ganti satu-satunya sumber. Jika dua folder masing-masing mempunyai fail bernama invoice.pdf, pengenal yang konsisten memastikan padanan kekal jelas walaupun nama fail sahaja tidak memadai.

Mulakan dengan format yang boleh dibaca oleh proses seterusnya. SDK OpenBMB menyusun output sebagai Markdown atau JSON mengikut konfigurasi pemanggil. Markdown sesuai untuk orang yang membaca draf. Output berstruktur boleh membantu proses hiliran mengendalikan kawasan yang dipulangkan oleh alat penghuraian. Kedua-duanya masih perlu diperiksa dengan imej asal apabila nombor atau medan akan digunakan untuk membuat keputusan. Aliran penghuraian OpenBMB

Persediaan setempat mempunyai peringkat susun atur dan pengecaman

OpenBMB mendokumenkan dua bahagian untuk penghuraian halaman penuh pada komputer. SDK menjalankan model susun atur untuk mencari dan menyusun teks, jadual, formula dan kawasan lain. Ia menghantar potongan kawasan melalui HTTP kepada perkhidmatan pengecaman, kemudian menggabungkan respons mengikut urutan bacaan. Kedua-dua bahagian boleh dijalankan pada perkakasan yang anda kawal. Perkhidmatan pengecaman berada dalam persekitaran berasingan, dan SDK juga boleh dihalakan kepada perkhidmatan di tempat lain. Panduan penghuraian halaman penuh dan pelaksanaan setempat OpenBMB

Batas itu penting apabila dokumen mengandungi maklumat peribadi. Soalannya ialah ke mana peringkat susun atur menghantar potongan kawasan. SDK setempat yang dikonfigurasi untuk memanggil perkhidmatan dihoskan masih boleh menghantar kandungan dokumen melalui rangkaian. Persediaan setempat patut menunjuk kepada perkhidmatan yang dimaksudkan dan menggunakan dasar storan serta pengelogan yang diluluskan oleh organisasi. Demo awam dengan contoh sintetik boleh menunjukkan antara muka tanpa menghantar dokumen pelanggan sebenar.

Pada 5 November, OpenBMB menerbitkan imej Docker yang menggabungkan SDK, vLLM dan model. Persediaan yang didokumenkan memerlukan Linux x86-64, GPU NVIDIA, pemacu yang serasi dengan CUDA 12.9 dan Docker dengan NVIDIA Container Toolkit. OpenBMB turut mendokumenkan perisian pelaksana seperti llama.cpp dan Ollama bagi perkhidmatan pengecaman. Saiz model sahaja tidak menunjukkan sama ada sesuatu mesin boleh menjalankan seluruh aliran dengan selesa. Semak komponen susun atur, format model, memori dan kadar pemprosesan pada mesin sasaran. Keperluan pelaksanaan OpenBMB

Dokumen individu juga boleh diproses melalui peranti mudah alih. OpenBMB mengumumkan penghuraian luar talian pada iOS pada 2 November. Kemas kini projek pada 12 November memperluas demo pada peranti kepada Android dan HarmonyOS. Anggap demo mudah alih dan SDK kelompok komputer sebagai cara berlainan untuk menggunakan model. Pilih mengikut lokasi fail dan cara anda mahu menyemak hasil. Sejarah keluaran mudah alih OpenBMB

Semak medan yang boleh tersilap walaupun kelihatan betul

Bayangkan satu invois menyenaraikan 10 unit berharga 38.50 setiap satu. Jadual yang diekstrak meletakkan 38.50 dalam lajur kuantiti dan 10 dalam lajur harga unit. Sistem yang hanya memeriksa sama ada kedua-dua nombor wujud boleh meluluskannya. Bagi orang yang menggunakan hasil itu, hubungan antara nilai dengan lajur ialah maklumat yang penting. Bandingkan baris, tajuk lajur dan jumlah sekali gus.

Risikonya berbeza bagi arkib untuk carian. Kesilapan ejaan dalam nota huraian mungkin masih boleh diterima jika kakitangan dapat menemukan sumber asal. Kesilapan dalam nombor pesanan belian boleh membawa seseorang kepada dokumen yang salah. Tentukan medan yang perlu sepadan tepat dan periksa dengan dokumen asal. Jika halaman mempunyai kod, kekalkan sifar di hadapan ketika menyemaknya. Paparan angka atau import hamparan boleh membuangnya walaupun alat penghuraian membaca medan dengan betul.

Contoh dokumenPerkara yang disemak dengan sumber asalKeputusan sebelum digunakan oleh proses seterusnya
InvoisID pembekal, nombor invois, mata wang, jumlah dan tajuk lajurMedan yang mesti sepadan tepat
Laporan berbilang lajurTajuk, urutan lajur dan kapsyen di sisi rajahSama ada hasil mengikut urutan bacaan yang betul
Borang diputar atau difotoNama, kotak yang ditanda, cap atau catatan berhampiran lipatanHalaman yang memerlukan semakan manual atau imbasan baharu
Imbasan berbilang bahasaPengenal dan teks medan dalam setiap bahasaBahasa yang memenuhi kriteria penerimaan arkib

OpenBMB menerangkan MiniCPM-OCR 1.0 sebagai model yang menyasarkan bahasa Cina dan Inggeris. Pasukan yang menggunakan halaman bahasa Korea atau halaman campuran bahasa patut mengukur ketepatan pengecaman pada halaman mereka sendiri. Ujian praktikal merangkumi satu dokumen padat, satu borang bersih dan satu foto kamera bagi setiap bahasa penting. Rekodkan jenis ralat dan elakkan merata-ratakan sedikit dokumen berlainan jenis menjadi satu skor. Penerangan model OpenBMB

Skor kawasan membantu menentukan perkara yang perlu disemak dahulu

OpenBMB turut menerbitkan MiniCPM-OCR Jev, model berasingan untuk menilai teks, formula dan jadual yang telah dihuraikan dengan membandingkannya dengan kawasan imej. Projek menerangkan skor itu sebagai cara mencari kawasan yang mungkin memerlukan semakan. Dalam satu kelompok, gunakannya sebagai petunjuk untuk menyusun keutamaan dan tetap bandingkan medan berkesan besar dengan sumber asal. Tentukan dahulu sejauh mana skor itu meletakkan ralat yang penting pada kedudukan yang sesuai sebelum menggunakannya untuk mengarah baris gilir semakan. Penerangan OpenBMB tentang MiniCPM-OCR Jev

Aliran semakan membawa kawasan meragukan dan medan penting kembali kepada halaman asal

Skor kawasan pilihan membantu menyusun keutamaan semakan. Medan yang menentukan pembayaran, pengenal atau keputusan lain masih boleh memerlukan pemeriksaan terus. Ilustrasi oleh Telli.sh.

Untuk melihat bila skor membantu, sediakan satu set rujukan kecil dengan beberapa ralat yang pasukan sudah tahu cara mengesannya. Aksara tertinggal dalam nombor komponen, baris yang tidak sejajar dan ayat daripada halaman yang jelas menguji jenis kegagalan berlainan. Sertakan beberapa kawasan yang betul. Teliti kes apabila model memberi skor tinggi kepada ralat atau skor rendah kepada hasil yang betul. Bincangkan contoh tersebut sebelum menggunakan ambang skor dalam aliran kerja.

Pastikan percanggahan kekal jelas. Jika penyemak membetulkan jumlah, simpan output OCR asal dan catat perubahan dengan rujukan kepada dokumen sumber. Rekod itu membolehkan pasukan menyemak sama ada ralat tertumpu pada satu jenis dokumen atau satu kaedah pengambilan imej. Orang seterusnya juga boleh membezakan pembetulan manusia daripada hasil pertama model.

Masa yang diambil untuk semakan manusia boleh menentukan sama ada kaedah kelompok ini sesuai diperluas. Catat masa menyelesaikan masalah dan jenis halaman yang perlu dilihat semula. Alat setempat mungkin menjimatkan masa bagi dokumen yang bersih, tetapi menambah panjang baris gilir semakan bagi imbasan yang kurang baik. Jika borang kertas yang sama berulang kali gagal, memperbaik cara mengimbasnya boleh lebih berkesan daripada menambah model lain.

Gunakan kelompok kecil yang boleh gagal dengan beberapa cara

  1. Kumpulkan dokumen contoh yang telah dibenarkan. Sertakan imbasan bersih, foto terputar dan jadual berbilang halaman dengan bahasa serta susun atur yang mewakili bahan sebenar. Simpan setiap dokumen asal di bawah pengenal yang konsisten.
  2. Pilih kaedah setempat yang diluluskan. Bagi kelompok pada komputer, ikut panduan pelaksanaan setempat OpenBMB dan sahkan titik akhir perkhidmatan pengecaman. Semak perkakasan dan persekitaran sebelum memuatkan fail. Panduan rasmi pelaksanaan setempat
  3. Jalankan SDK dan simpan hasil bagi setiap fail. Rekodkan versi SDK, model atau pengkuantuman, perisian pelaksana dan format output. Pilih cara pengelompokan imej dengan sengaja dan kekalkan sumber bagi setiap output. Arahan SDK 1.0.5
  4. Semak berdasarkan tujuan arkib. Periksa urutan bacaan untuk carian dan medan kritikal untuk proses hiliran. Rekodkan dokumen yang diterima, dibetulkan atau ditolak serta sebabnya.
  5. Ulangi dengan set kecil yang baharu. Gunakan peraturan penerimaan yang sama. Bandingkan masa hingga semakan selesai dan kebolehkesanan, lalu selesaikan masalah bagi jenis dokumen yang masih memerlukan kerja manual sebelum menambah jumlah.

Pilih kegunaan yang boleh dicapai dahulu. Pembantu untuk mencari dokumen mesyuarat yang diimbas tidak memerlukan jaminan medan yang sama seperti alat mengisi borang bayaran invois. Mulakan dengan carian atau aliran yang boleh diundur jika itulah keperluan semasa. Percubaan boleh menunjukkan jenis ekstrak yang wajar diperiksa dengan lebih ketat kemudian.

Berikan cara mudah untuk arkib memaparkan kandungan yang sudah diindeks. Jika hasil carian hanya memaparkan teks janaan mesin, pengguna mungkin menganggap hasil yang meyakinkan itu berwibawa. Paparkan nama fail sumber atau ID dokumen di sebelah hasil dan mudahkan pengguna mencari halaman yang sepadan. Jika ekstrak mempunyai status semakan, tunjukkan statusnya juga. Pengguna arkib dapat menentukan bila dokumen asal perlu dibaca.

Satu ujian pemulihan berguna apabila kelompok dokumen berkongsi direktori output. Bayangkan satu fail gagal dan anda menjalankan semula fail itu sahaja dengan konfigurasi lain. Sahkan hasil lain masih ada dan manifest mengenal pasti output daripada percubaan kedua. Pemeriksaan ini boleh dilakukan tanpa pemprosesan semula automatik. Ia menguji sama ada seseorang boleh membaiki satu hasil tanpa kehilangan rekod hasil fail yang lain.

Kelompok berguna apabila setiap hasil membawa kembali kepada halaman asal

Kemas kini SDK MiniCPM-OCR mengurangkan kerja menghantar fail satu demi satu. Selebihnya ialah keputusan tentang pengurusan arkib. Kekalkan sempadan dokumen, tentukan tempat imej diproses dan gunakan keperluan aliran seterusnya untuk menetapkan sejauh mana setiap medan perlu diperiksa. Apabila seseorang menemui satu nombor dalam hasil bulan hadapan, dia patut dapat membuka halaman sumber dan melihat perkara yang dilihat oleh alat penghuraian.

Sumber


Untuk menyimpan keputusan semakan di sebalik arkib dokumen dalam rekod yang boleh dicari, cipta akaun Telli.sh.


← Kembali ke blog