Lees een factuur in een seconde

Kies een voorbeeld of open een eigen pdf-factuur. Een klein model in je browser vindt de verkoper, de koper, btw-nummers, data, bedragen en de IBAN, en markeert elk ervan op de pagina. Het bestand verlaat deze pagina nooit.

De demo heeft JavaScript nodig. Het model is een eenmalige download van 34 MB; je browser bewaart het.

Het leest digitale PDF's, het soort dat boekhoudsoftware exporteert, in het Engels, Pools, Duits, Frans, Spaans en Litouws. Scans en foto's worden niet ondersteund. Een lokaal LLM schreef de voorbeelden; elk bedrijf en elk getal erin is verzonnen.

98% vs 92%Van de velden in 60 met de hand gecontroleerde facturen goed gelezen. Een open LLM dat 200× groter is las 92%.

80% volledigVan die facturen hadden elk veld goed; het LLM haalde 53%. Controlecijfers en sommen staan naast de velden.

Minder dan een secondePer factuur, in je browser. Het LLM had 1,2 seconde per factuur nodig op een GPU.

Hoe het werkt

DataGeen echte facturen. Een generator maakte 9.000 facturen in zes lay-outs en zes talen. Een lokaal open LLM schreef er nog 566 voor 30 soorten bedrijven, elk in een eigen lay-out, en elk werd nog vijf keer gevuld met verzonnen namen en getallen. Elke factuur werd in Chrome als PDF afgedrukt en teruggelezen zoals deze pagina hem leest.

ModelDe eerste 12 van de 22 lagen van mmBERT-small, gefinetuned om de woorden van elf velden te markeren: 33 MB gewichten plus een woordenlijst van 1 MB. De pagina wordt blok voor blok gelezen, zodat een verkoper en een koper die naast elkaar staan niet door elkaar raken. De 60 testfacturen komen van hetzelfde LLM, voor tien andere soorten bedrijven, dus 98% is een bovengrens.

RegelsBtw-nummers en IBAN's hebben controlecijfers. Een keuze die daarvoor zakt, wordt vervangen door het nummer op de pagina dat wel klopt, en netto plus btw moet gelijk zijn aan het totaal. Regels alleen lezen 58% van de velden en geen enkele factuur volledig: ze herkennen geen bedrijfsnaam of factuurnummer.

Vergeleken met een LLMQwen 2.5 7B, gevraagd om dezelfde velden als JSON, las 92% van de velden en 53% van de facturen volledig, met 1,2 seconde per factuur op een GPU. Een gehost LLM zou bovendien elke factuur moeten ontvangen, tegen een prijs per pagina.

Code, configuraties en de volledige benchmark: github.com/balticml/invoice-extraction. Gewichten: huggingface.co/balticml/mmbert-small-invoice-extraction. Wil je dit voor je facturen? Plan een gesprek van 30 min