Prečítajte faktúru za sekundu
Vyberte príklad alebo otvorte vlastnú faktúru v PDF. Malý model vo vašom prehliadači nájde dodávateľa, odberateľa, IČ DPH, dátumy, sumy a IBAN a každý údaj označí na stránke. Súbor túto stránku nikdy neopustí.
Ukážka vyžaduje JavaScript. Model má 34 MB na stiahnutie, raz; prehliadač si ho ponechá.
Číta digitálne PDF, aké exportujú účtovné programy, po anglicky, poľsky, nemecky, francúzsky, španielsky a litovsky. Skeny a fotografie nie sú podporované. Príklady napísal lokálny LLM; všetky firmy a čísla v nich sú vymyslené.
98% vs 92%Z údajov v 60 ručne skontrolovaných faktúrach prečítaných správne. Otvorený LLM 200-krát väčší prečítal 92%.
80% úplnýchToľko z týchto faktúr malo všetky údaje správne; LLM zvládol 53%. Kontrolné číslice a súčty sú zobrazené vedľa údajov.
Pod sekunduNa faktúru, vo vašom prehliadači. LLM potreboval 1,2 sekundy na faktúru na GPU.
Ako to funguje
ÚdajeŽiadne skutočné faktúry. Generátor vytvoril 9 000 faktúr v šiestich rozloženiach a šiestich jazykoch. Lokálny otvorený LLM napísal ďalších 566 pre 30 druhov podnikania, každú s vlastným rozložením, a každá bola ešte päťkrát vyplnená vymyslenými názvami a číslami. Každá faktúra bola vytlačená do PDF v Chrome a prečítaná späť tak, ako ju číta táto stránka.
ModelPrvých 12 z 22 vrstiev mmBERT-small, doladených na označovanie slov jedenástich údajov: 33 MB váh plus slovník s 1 MB. Stránka sa číta blok po bloku, takže sa dodávateľ a odberateľ vytlačení vedľa seba nepomiešajú. 60 testovacích faktúr pochádza z toho istého LLM, pre desať iných druhov podnikania, takže 98% je horná hranica.
PravidláIČ DPH a IBAN obsahujú kontrolné číslice. Výber, ktorý kontrolou neprejde, sa nahradí číslom zo stránky, ktoré prejde, a základ plus DPH sa musí rovnať celkovej sume. Samotné pravidlá prečítajú 58% údajov a žiadnu faktúru celú: nerozoznajú názov firmy ani číslo faktúry.
V porovnaní s LLMQwen 2.5 7B, požiadaný o tie isté údaje ako JSON, prečítal 92% údajov a 53% faktúr celých, pri 1,2 sekundy na faktúru na GPU. Hostovaný LLM by navyše musel dostať každú faktúru, za cenu za stranu.
Kód, konfigurácie a celý benchmark: github.com/balticml/invoice-extraction. Váhy: huggingface.co/balticml/mmbert-small-invoice-extraction. Chcete to pre svoje faktúry? Dohodnite si 30-minútový hovor