Læs en faktura på et sekund
Vælg et eksempel, eller åbn din egen faktura i PDF. En lille model i din browser finder sælger, køber, momsnumre, datoer, beløb og IBAN og markerer hver af dem på siden. Filen forlader aldrig denne side.
Demoen kræver JavaScript. Modellen er en download på 34 MB, én gang; din browser gemmer den.
Den læser digitale PDF'er, sådan som regnskabsprogrammer eksporterer dem, på engelsk, polsk, tysk, fransk, spansk og litauisk. Scanninger og fotos understøttes ikke. En lokal LLM skrev eksemplerne; alle firmaer og numre i dem er opdigtede.
98 % mod 92 %Af felterne i 60 håndkontrollerede fakturaer læst rigtigt. En åben LLM, der er 200 gange større, læste 92 %.
80 % kompletteAf disse fakturaer havde alle felter rigtige; sprogmodellen nåede 53 %. Kontrolcifre og summer vises ved siden af felterne.
Under et sekundPr. faktura, i din browser. Sprogmodellen skulle bruge 1,2 sekunder pr. faktura på en GPU.
Sådan virker det
DataIngen rigtige fakturaer. En generator lavede 9.000 fakturaer i seks layouts og på seks sprog. En lokal åben sprogmodel skrev 566 mere til 30 slags virksomheder, hver i sit eget layout, og hver blev udfyldt fem gange mere med opdigtede navne og numre. Hver faktura blev skrevet ud som PDF i Chrome og læst tilbage, sådan som denne side læser den.
ModelDe første 12 af mmBERT-smalls 22 lag, finjusteret til at markere ordene i elleve felter: 33 MB vægte plus et ordforråd på 1 MB. Siden læses blok for blok, så en sælger og en køber, der står side om side, ikke blandes sammen. De 60 testfakturaer kommer fra samme LLM, til ti andre slags virksomheder, så 98 % er en øvre grænse.
ReglerMomsnumre og IBAN'er har kontrolcifre. Et valg, der ikke består dem, erstattes af det nummer på siden, der gør, og netto plus moms skal give totalen. Regler alene læser 58 % af felterne og ingen faktura helt: de kan ikke kende et firmanavn eller et fakturanummer.
Sammenlignet med en LLMQwen 2.5 7B, bedt om de samme felter som JSON, læste 92 % af felterne og 53 % af fakturaerne helt, ved 1,2 sekunder pr. faktura på en GPU. En hostet LLM skulle også modtage hver faktura, til en pris pr. side.
Kode, konfigurationer og hele sammenligningen: github.com/balticml/invoice-extraction. Vægte: huggingface.co/balticml/mmbert-small-invoice-extraction. Vil du have det på dine fakturaer? Book et opkald på 30 min