मिस्त्रलने नवीन ओसीआर एपीआय सादर केले जे पीडीएफ दस्तऐवजांना एआय-तयार स्वरूपात रूपांतरित करू शकते

मिस्त्रलने गुरुवारी मिशल ऑप्टिकल कॅरेक्टर रिकग्निशन (ओसीआर) अनुप्रयोग प्रोग्रामिंग इंटरफेस (एपीआय) सादर केला. कृत्रिम बुद्धिमत्ता (एआय) मॉडेल पीडीएफ दस्तऐवजांचे विश्लेषण आणि प्रक्रिया करण्यास आणि मार्कडाउन किंवा रॉ टेक्स्ट फाईल सारख्या एआय-तयार मजकूर स्वरूपात रूपांतरित करण्यास सक्षम आहे. हे साधन पीडीएफएसकडून एआय मॉडेल्ससाठी पचण्यायोग्य बनविण्यासाठी डेटा काढण्यास सक्षम आहे. पॅरिस-आधारित एआय फर्मने असा दावा केला आहे की मिस्त्राल ओसीआर एपीआय विकसकांना पीडीएफ फायलींसाठी एआय अनुप्रयोग तयार करण्यास तसेच नवीन एआय मॉडेल्सना प्रशिक्षण देण्यासाठी डेटासेट तयार करण्यास अनुमती देईल.

मिस्त्रल ओसीआर एपीआयची ओळख झाली

पीडीएफ दस्तऐवज एआय मॉडेल्ससाठी एक अनन्य आव्हान आहे. या फाईल स्वरूपातील सामग्रीवर पारंपारिक पुनर्प्राप्ती-ऑगमेंटेड जनरेशन (आरएजी) तंत्राचा वापर करून मोठ्या भाषेच्या मॉडेल्सद्वारे (एलएलएमएस) प्रवेश केला जाऊ शकत नाही कारण त्यांच्याद्वारे डेटा प्रक्रिया करता येत नाही. उदाहरणार्थ, आपण आपल्या लॅपटॉपमधील पीडीएफ दस्तऐवजांद्वारे माहितीचा तुकडा शोधण्यासाठी एआय अनुप्रयोगास विचारल्यास, तसे करण्यासाठी संघर्ष करू शकेल.

याचा अर्थ असा आहे की एआय अनुप्रयोग तयार करणारे विकसक पीडीएफ-विश्लेषण क्षमता ऑफर करण्यासाठी मर्यादित असतील. या आव्हानावर मात करण्यासाठी Google चे नोटबुकएलएम, अ‍ॅडोबचे एआय सहाय्यक आणि इतर अनेक साधने विशेष ओसीआर साधनांचा वापर करतात, तर मुक्त-स्त्रोत समुदायातील विकसकांना उच्च-कार्यक्षमतेच्या साधनात प्रवेश नसतो.

विकसकांना एआय-तयार स्वरूपात पीडीएफ डेटा काढण्याची परवानगी देऊन मिस्त्रल ओसीआर एपीआय हे आव्हान सोडवते. कंपनी एका न्यूजरूममध्ये दावा करते पोस्ट हे साधन माध्यम, मजकूर, सारण्या आणि उच्च अचूकतेसह समीकरणांसह दस्तऐवजांमधील स्वतंत्र घटक समजू शकते. एकदा विश्लेषण केल्यावर ते मार्कडाउन किंवा कच्च्या मजकूर फाइल स्वरूपात माहिती काढू आणि सादर करू शकते.

एआय मॉडेल नंतर या काढलेल्या मजकूराचा वापर इनपुट आणि रॅग सिस्टम त्यांच्याबद्दल सहजपणे प्रवेश करू शकतात आणि त्यांच्याबद्दलच्या प्रश्नांची उत्तरे देऊ शकतात. “मिस्ट्रल ओसीआर जटिल दस्तऐवज घटक समजून घेण्यात उत्कृष्ट आहे, ज्यात आंतरजातीय प्रतिमा, गणिताचे अभिव्यक्ती, सारण्या आणि लेटेक्स फॉरमॅटिंग सारख्या प्रगत लेआउट्सचा समावेश आहे. मॉडेल चार्ट, आलेख, समीकरणे आणि आकडेवारीसह वैज्ञानिक कागदपत्रे यासारख्या समृद्ध कागदपत्रांची सखोल समज सक्षम करते, ”असे पोस्टने नमूद केले.

कंपनीने असा दावा केला आहे की मिस्ट्रल ओसीआर एकाच नोडवर प्रति मिनिट 2,000 पृष्ठांपर्यंत प्रक्रिया करू शकतो. एपीआय विकसकांना दस्तऐवज प्रॉम्प्ट म्हणून वापरू देते आणि फंक्शन कॉलिंग टूल्स आणि एआय एजंट्स तयार करण्यासाठी साखळी आउटपुट देखील करू देते.

अंतर्गत चाचणीच्या आधारे, “केवळ मजकूर” दस्तऐवजांसाठी Google दस्तऐवज एआय, अझर ओसीआर, आणि जीपीटी -4 ओ आवृत्ती 2024-11-20 सारख्या मिस्त्राल ओसीआरने आउटफॉर्मफॉर्म केलेले मॉडेल. हे बहुभाषिक क्षमतांमध्ये Google आणि अझरलाही मागे टाकले.

मॉडेलची क्षमता वापरुन पाहण्यास इच्छुक लोक मिस्त्रालच्या ले चॅट प्लॅटफॉर्मवर जाऊ शकतात. एपीआयमध्ये एलए प्लेटफॉर्मकडून प्रवेश केला जाऊ शकतो.