Perskaitykite sąskaitą faktūrą per sekundę

Pasirinkite pavyzdį arba atidarykite savo PDF sąskaitą faktūrą. Mažas modelis Jūsų naršyklėje randa pardavėją, pirkėją, PVM mokėtojo kodus, datas, sumas ir IBAN ir kiekvieną jų pažymi puslapyje. Failas niekada nepalieka šio puslapio.

Demonstracijai reikia JavaScript. Modelis atsisiunčiamas vieną kartą, 34 MB; Jūsų naršyklė jį išsaugo.

Jis skaito skaitmeninius PDF, tokius, kokius eksportuoja apskaitos programos, anglų, lenkų, vokiečių, prancūzų, ispanų ir lietuvių kalbomis. Nuskaitytos kopijos ir nuotraukos nepalaikomos. Pavyzdžius parašė vietinis LLM; visos jose esančios įmonės ir numeriai išgalvoti.

98% vs 92%60 ranka patikrintų sąskaitų faktūrų laukų nuskaityta teisingai. 200 kartų didesnis atviras LLM nuskaitė 92%.

80% visiškaiTų sąskaitų faktūrų visi laukai buvo teisingi; LLM pasiekė 53%. Kontroliniai skaitmenys ir sumos rodomi šalia laukų.

Mažiau nei sekundėVienai sąskaitai faktūrai, Jūsų naršyklėje. LLM reikėjo 1,2 sekundės vienai sąskaitai faktūrai GPU.

Kaip tai veikia

DuomenysJokių tikrų sąskaitų faktūrų. Generatorius sukūrė 9 000 sąskaitų faktūrų šešiais maketais ir šešiomis kalbomis. Vietinis atviras LLM parašė dar 566 trisdešimčiai verslo rūšių, kiekvieną su savo maketu, ir kiekviena dar penkis kartus užpildyta išgalvotais pavadinimais ir numeriais. Kiekviena sąskaita faktūra atspausdinta į PDF Chrome naršyklėje ir nuskaityta atgal taip, kaip ją skaito šis puslapis.

ModelisPirmieji 12 iš 22 mmBERT-small sluoksnių, pritaikyti žymėti vienuolikos laukų žodžius: 33 MB svorių ir 1 MB žodynas. Puslapis skaitomas blokas po bloko, todėl greta išspausdinti pardavėjas ir pirkėjas nesumaišomi. 60 testinių sąskaitų faktūrų sukūrė tas pats LLM, dešimčiai kitų verslo rūšių, todėl 98% yra viršutinė riba.

TaisyklėsPVM mokėtojo kodai ir IBAN turi kontrolinius skaitmenis. Pasirinkimas, kuris jų netenkina, pakeičiamas puslapyje esančiu numeriu, kuris tenkina, o suma be PVM kartu su PVM turi sutapti su bendra suma. Vienos taisyklės teisingai nuskaito 58% laukų ir nė vienos sąskaitos faktūros visiškai: jos negali atpažinti įmonės pavadinimo ar sąskaitos faktūros numerio.

Palyginimas su LLMQwen 2.5 7B, paprašytas pateikti tuos pačius laukus JSON formatu, nuskaitė 92% laukų ir 53% sąskaitų faktūrų visiškai; vienai sąskaitai faktūrai GPU jam reikėjo 1,2 sekundės. Talpinamas LLM taip pat turėtų gauti kiekvieną sąskaitą faktūrą, už kainą už puslapį.

Kodas, konfigūracijos ir visas palyginimas: github.com/balticml/invoice-extraction. Svoriai: huggingface.co/balticml/mmbert-small-invoice-extraction. Norite to savo sąskaitoms faktūroms? Užsisakyti 30 min. pokalbį