Διαβάστε ένα τιμολόγιο σε ένα δευτερόλεπτο

Επιλέξτε ένα παράδειγμα ή ανοίξτε ένα δικό σας PDF τιμολογίου. Ένα μικρό μοντέλο στον browser σας βρίσκει τον πωλητή, τον αγοραστή, τους ΑΦΜ, τις ημερομηνίες, τα ποσά και το IBAN, και επισημαίνει το καθένα στη σελίδα. Το αρχείο δεν φεύγει ποτέ από αυτή τη σελίδα.

Η επίδειξη χρειάζεται JavaScript. Το μοντέλο κατεβαίνει μία φορά, 34 MB· ο browser σας το κρατά.

Διαβάζει ψηφιακά PDF, όπως αυτά που εξάγουν τα λογιστικά προγράμματα, στα αγγλικά, πολωνικά, γερμανικά, γαλλικά, ισπανικά και λιθουανικά. Σαρώσεις και φωτογραφίες δεν υποστηρίζονται. Τα παραδείγματα τα έγραψε ένα τοπικό LLM· κάθε εταιρεία και κάθε αριθμός σε αυτά είναι επινοημένα.

98% έναντι 92%Των πεδίων σε 60 τιμολόγια ελεγμένα με το χέρι διαβάστηκαν σωστά. Ένα ανοιχτό LLM 200 φορές μεγαλύτερο διάβασε 92%.

80% πλήρηΑυτών των τιμολογίων είχαν όλα τα πεδία σωστά· το LLM έφτασε το 53%. Τα ψηφία ελέγχου και τα αθροίσματα εμφανίζονται δίπλα στα πεδία.

Κάτω από ένα δευτερόλεπτοΑνά τιμολόγιο, στον browser σας. Το LLM χρειάστηκε 1,2 δευτερόλεπτα ανά τιμολόγιο σε GPU.

Πώς λειτουργεί

ΔεδομέναΚανένα πραγματικό τιμολόγιο. Μια γεννήτρια δημιούργησε 9.000 τιμολόγια σε έξι διατάξεις και έξι γλώσσες. Ένα τοπικό ανοιχτό LLM έγραψε άλλα 566 για 30 είδη επιχειρήσεων, το καθένα με δική του διάταξη, και το καθένα συμπληρώθηκε άλλες πέντε φορές με επινοημένα ονόματα και αριθμούς. Κάθε τιμολόγιο εκτυπώθηκε σε PDF στο Chrome και διαβάστηκε πίσω με τον τρόπο που το διαβάζει αυτή η σελίδα.

ΜοντέλοΤα πρώτα 12 από τα 22 επίπεδα του mmBERT-small, εκπαιδευμένα περαιτέρω ώστε να επισημαίνουν τις λέξεις έντεκα πεδίων: 33 MB βάρη και ένα λεξιλόγιο 1 MB. Η σελίδα διαβάζεται μπλοκ προς μπλοκ, ώστε ένας πωλητής και ένας αγοραστής τυπωμένοι δίπλα δίπλα να μη μπερδεύονται. Τα 60 δοκιμαστικά τιμολόγια προέρχονται από το ίδιο LLM, για δέκα άλλα είδη επιχειρήσεων, άρα το 98% είναι ανώτατο όριο.

ΚανόνεςΟι ΑΦΜ και τα IBAN έχουν ψηφία ελέγχου. Μια επιλογή που αποτυγχάνει στον έλεγχο αντικαθίσταται από τον αριθμό της σελίδας που τον περνά, και το καθαρό ποσό συν ΦΠΑ πρέπει να ισούται με το σύνολο. Μόνοι τους οι κανόνες διαβάζουν το 58% των πεδίων και κανένα τιμολόγιο πλήρως: δεν μπορούν να αναγνωρίσουν μια επωνυμία εταιρείας ή έναν αριθμό τιμολογίου.

Σε σύγκριση με ένα LLMΤο Qwen 2.5 7B, όταν του ζητήθηκαν τα ίδια πεδία ως JSON, διάβασε το 92% των πεδίων και το 53% των τιμολογίων πλήρως, με 1,2 δευτερόλεπτα ανά τιμολόγιο σε GPU. Ένα φιλοξενούμενο LLM θα έπρεπε επίσης να λάβει κάθε τιμολόγιο, με χρέωση ανά σελίδα.

Κώδικας, ρυθμίσεις και πλήρης αξιολόγηση: github.com/balticml/invoice-extraction. Βάρη: huggingface.co/balticml/mmbert-small-invoice-extraction. Θέλετε αυτό για τα τιμολόγιά σας; Κλείστε μια κλήση 30 λεπτών