End-to-end AI-rendszer számlák feldolgozására és könyvelésre
A lift-pdf rendszer a számlák feldolgozását és könyvelését egy end-to-end AI-folyamat segítségével valósítja meg, amely közvetlenül a PDF-ből kiszedi a tételsorokat, adókat és fizetési státuszt. A modell valósághű szimulációk alapján tanul, és kezeli a részben fizetett számlák jelölését is.
A rendszer nem csupán egyszerű OCR-feladatként tekint a számlákra, hanem egy strukturált JSON-sémára épülő, dokumentumértelmező megközelítést alkalmaz. A fejlesztők valósághű, szimulált számlákat hoznak létre, majd meghatározzák a kinyerendő mezőket, mint például a szállító azonosítása, a számlázott fél adatai, a rendelési szám, a tételsorok, az adó mértéke, a teljes összeg, a fennmaradó tartozás és a fizetési státusz.
GPU-gyorsítás és kvantálás
A folyamat részeként GPU-val támogatott modellbetöltést, opcionális 4-bites kvantálást, PDF-generálást és extrahálást, pontozást, valamint a könyvelőkönyv felépítését is magában foglalja. Ez a megközelítés egy kompakt, mégis valósághű bemutatót nyújt a dokumentumintelligencia alkalmazásáról a számlák elemzése terén.
Kapcsolódó: Mistral Document AI pontossága
A rendszer felépítése és működése
A rendszer a futásidejű vezérlőkkel határozza meg, hogy hány számlát dolgozzon fel, használjon-e 4-bites betöltést, előnézetet generáljon-e a PDF-ről, és teszteljen-e valós számlát. A szükséges függőségek telepítése után a GPU-képességek és a rendelkezésre álló VRAM alapján dönt a modell teljes pontosságú vagy 4-bites kvantált futtatásáról. A Hugging Face modellbetöltési folyamatának módosításával a lift-pdf átláthatóan képes betölteni a súlyokat, szükség esetén kvantálási konfigurációval.
Kapcsolódó: multimodális AI a pénzügyekben
Az első futás során a rendszer letölti a szükséges, mintegy 20 GB-os modellt. A `InferenceManager` inicializálása után a `lift.extract()` funkciót egy segítő függvénnyel csomagolják be, így minden PDF feldolgozható ugyanazzal a sémával és opcionális oldaltartománnyal, elkerülve az ismételt modellbetöltési többletköltségeket.
Kapcsolódó: dokumentum-intelligencia pipeline
Szimulált és valós számlák
A bemutatóban kétféle számlát használnak: az egyik a Cloudworks Inc. által kiállított, amerikai dollár alapú számla, amely felhő alapú számítási és tárolási szolgáltatásokat tartalmaz. A másik a finn Nordic Design Studio Oy által kiállított, euró alapú számla, amely márkaidentitás-tervezési és illusztrációs csomagokat foglal magában. A második számla már részben ki lett fizetve, ami a rendszer képességét demonstrálja a fizetési státuszok kezelésében.
Kapcsolódó: Kindle jegyzetek összefoglalása