Jak działa ekstrakcja danych AI
Najpierw narzędzie zamienia dokument na tekst: warstwa tekstowa PDF jest czytana bezpośrednio, a zeskanowane strony oraz pliki JPG, PNG i WebP przechodzą przez OCR. Następnie tekst trafia do modelu językowego razem ze schematem JSON, który wymienia pola, a model musi odpowiedzieć JSON-em zgodnym z tym schematem.
Wartości pochodzą wyłącznie z dokumentu. Jeśli pola nie ma, wraca jako null lub pusta lista zamiast zgadywania, a daty i kwoty są normalizowane, żeby wynik od razu trafił do arkusza lub bazy danych. Model działa na własnych serwerach FileConvertLab; sposób obsługi przesłanych plików opisuje polityka prywatności.
Gotowe szablony
Pięć szablonów obejmuje dokumenty najczęściej przepisywane ręcznie. Szablon faktury zwraca sprzedawcę, nabywcę, numer, daty wystawienia i płatności, walutę, kwotę netto, podatek, sumę i każdą pozycję. Szablon CV zwraca kontakt, umiejętności, doświadczenie i wykształcenie; szablon umowy strony, daty, okres, warunki płatności, prawo właściwe, zobowiązania i sygnatariuszy.
Szablon specyfikacji zbiera modele, wymiary, materiały, parametry techniczne i certyfikaty z kart katalogowych, a szablon artykułu naukowego zwraca tytuł, autorów, czasopismo, DOI, streszczenie, słowa kluczowe, metody i główne wyniki. Jeśli tabele mają pozostać tabelami, lepszy będzie PDF na Excel.
Własny schemat
Jeśli żaden szablon nie pasuje, wybierz Własny schemat i opisz pola w JSON Schema: obiekt z properties, każde z typem (string, number, boolean, array lub object) i opcjonalnym opisem, który podpowiada modelowi, czego szukać. Obsługiwane są zagnieżdżone obiekty i listy obiektów, do czterech poziomów i 60 pól.
Każda lista ma stałą maksymalną liczbę elementów, a każde pole tekstowe maksymalną długość, więc odpowiedź zawsze się kończy. Nadawaj polom krótkie, zrozumiałe nazwy: model widzi nazwy i opisy, więc „delivery_date” z opisem „YYYY-MM-DD” działa lepiej niż „d1”. Ten sam schemat można wysyłać przez API w zautomatyzowanych procesach.
Ograniczenia
Czytane są wszystkie strony, do limitu stron Twojego planu. Jeśli przy bardzo długim dokumencie zabraknie czasu na przetwarzanie, wynik obejmuje strony przeczytane do tej pory i o tym informuje. Pliki mogą mieć do 50 MB. Skany najpierw przechodzą przez OCR, więc czysty, prosty skan daje lepszy wynik niż krzywe zdjęcie.
Modele językowe mogą źle odczytać lub pominąć wartości, zwłaszcza na słabych skanach i nietypowym układzie. Przed użyciem sprawdź ważne liczby w dokumencie. Aby skan dało się przeszukiwać zamiast wyciągać pola, użyj OCR PDF.