Réamhrá ar Document AI agus OCR Cliste
Ar an leathanach seo
Nuashonrú an 2 Samhain 2026 — Aistríonn Le Chat go Vibe. Ón 28 Bealtaine 2026 i leith, tá athbhrandáil déanta ar Le Chat mar Vibe (fós ag chat.mistral.ai): gníomhaire amháin don obair agus don chód, a choimeádann do chomhráite, do shocruithe agus do shíntiúis. Tá an seaneispéaras Le Chat fós inrochtana sa mhód Chat; sa mhód Work, tá scileanna tagtha in ionad na ngníomhairí (glaofar orthu le
@), is é an bonn eolais ná na cuimhní cinn, agus is é an scil Taighde Doimhin (Deep Research) an cuardach doimhin anois. Tugtar Mistral Free, Pro, Team agus Enterprise ar na pleananna anois. Úsáidtear an t-ainm Vibe sa cheacht seo; d’fhéadfadh roinnt rochláir cur síos anseo a bheith athraithe ó thaobh ainmneacha nó suímh de.
I bhfad níos mó ná léitheoir doiciméad simplí
Chonaic tú sa chuid Fís (Vision) gur féidir le Vibe téacs in íomhá a léamh. Ach nuair a bhíonn sé i gceist agat doiciméid chasta a phróiseáil—PDF illeathanaigh, foirm scantha, tuarascáil airgeadais lán de tháblaí neadaithe—teastaíonn uirlis speisialaithe uait. Sin díreach a thairgeann Document AI ó Mistral, cumhachtaithe ag an inneall OCR 3. Leagann an ceacht seo an bonn don rannán ar fad: tuiscint a fháil ar cad é OCR, conas a bhristeann cur chuige Mistral le réitigh chlasaiceacha, agus, rud is tábhachtaí fós, cathain a úsáidfear é in ionad Fís (Vision).
Is éard atá i gceist le OCR ná Aitheantas Optúil Carachtar (Optical Character Recognition). Is í an teicneolaíocht í a thiontaíonn íomhá ina bhfuil téacs—bíodh sé ina scanadh, ina ghrianghraf, nó ina PDF bunaithe ar íomhá—go téacs digiteach inúsáidte: téacs is féidir leat a chóipeáil, a chuardach, nó a anailísiú cosúil le haon doiciméad a rugadh go digiteach. Is gnáthchúrsaí iad na geallta: smaoinigh ar an sonraíocht sin a sheol comhghleacaí mar ghrianghraf, nó ar an gconradh sin a scanadh deich mbliana ó shin ina bhfuil ort clásal ar leith a aimsiú. Gan OCR, is íomhánna balcha iad na doiciméid seo.
Cén fáth nach raibh OCR clasaiceach leor
Tá OCR ann le scórtha bliain, ach bhí teorainneacha suntasacha ag baint le réitigh thraidisiúnta—is é Tesseract an sampla is cáiliúla—rud a bhfuil a fhios ag gach duine a scanh doiciméad riamh. Cailleadh an leagan amach: tháinig an téacs amach míshocraithe, ag déanamh neamhaird ar struchtúr an doiciméid, ag casadh tuarascála eagraithe go cúramach ina bhrat míreanna. Rinneadh neamhaird de tháblaí, meascadh colúin agus sraitheanna go dtí go raibh na sonraí dodhéanta a úsáid. Fanadh lámhscríbhinn beagnach dodhéanta a léamh. Thug doiciméid ilteangacha torthaí bochta chomh luath agus a shiúil tú amach ón mBéarla. Agus rinneadh neamhaird go hiomlán d’íomhánna leabaithe sa téacs—cairteacha, léaráidí.
Athraíonn inneall OCR 3 ó Mistral an cluiche go hiomlán, agus is é an ailtireacht an fáth leis sin. In ionad teicnící aitheantais charachtar chlasaiceacha a úsáid, braitheann sé ar mhúnla teanga ilmhóideach (VLM) a oileadh go sonrach chun doiciméid a thuiscint. Is bunúsach an difríocht: aithníonn OCR clasaiceach carachtair aonair agus déanann sé iarracht iad a chur le chéile ina bhfocail, díreach cosúil le duine ag díthiomáint litir ar litir gan an abairt a thuiscint. Tuigeann OCR cumhachtaithe ag AI ó Mistral, ar an láimh eile, an doiciméad ina iomláine—a struchtúr, a chuid ábhair agus a chomhthéacs. Os comhair focal atá scriosta go páirteach, is féidir leis é a thátal ón gcomhthéacs, díreach mar a dhéanfadh léitheoir daonna.
Go praiticiúil, baineann Document AI téacs as PDFanna, íomhánna agus doiciméid scantha agus caomhnaíonn sé an bunleagan amach. Atógann sé táblaí lena gceanntáisc, a gcolúin agus a gcuid sonraí, ag aschur Markdown glan. Léann sé lámhscríbhinn—nótaí dochtúra, foirmeacha líonta de láimh, nótaí imeallacha. Próiseálann sé doiciméid ilteangacha le cruinneas ard thar go leor teangacha, déanann sé cur síos ar íomhánna agus cairteacha atá sa doiciméad trí fhocail chaipínithe a ghiniúint, agus tuigeann sé an comhthéacs go maith go leor chun freagraí a thabhairt ar cheisteanna faoin ábhar.
OCR 3 de réir na n-uimhreacha
Ó thaobh feidhmíochta de, soláthraíonn an t-inneall cruinneas stáit den scoth ar thagarmharcanna d’aitheantas téacs, lámhscríbhinn agus táblaí. Próiseálann sé suas le 2,000 leathanach in aghaidh an nóiméid ar GPU amháin—go leor chun cartlanna iomlána a ionghabháil. Glacann sé le formáidí iolracha: PDF, Word, íomhánna scantha, agus grianghraif de cháilíochtaí éagsúla. Agus tá a aschur struchtúrtha: is Markdown glan le híomhánna tagartha an toradh, seachas téacs amh a theastaíonn athoibriú air.
Conas a dhifríonn sé ó Fhis (Vision) Vibe?
D’fhéadfá a bheith ag cur ceiste: “Cén fáth nach n-uaslódálainn mo PDF go Vibe agus nach n-úsáidfainn Fís (Vision)?” Is ceist chóir í sin, agus is é an freagra a struchtúraíonn do shreabhad oibre ar fad. Tá Fís (Vision) ó Vibe, a pléadh sa chéad rannán den chúrsa seo, foirfe chun íomhá aonair leata a anailísiú—grianghraf, cairt, scáileánphictiúr. Ach i gcás doiciméad illeathanaigh le leagan amach casta, tairgeann Document AI buntáistí cinntitheacha: próiseáil leathanach ar leathanach le hathchruthú ar struchtúr iomlán an doiciméid, eastóscadh táblaí atá dílis don bhunleagan seachas neasú, nótaí agus meiteashonraí is féidir leat a iarraidh go sonrach—údar, dáta, méideanna—agus ceisteanna agus freagraí fíor ar dhoiciméid thar dhoiciméid fhada.
Cuimhnigh an riail ghinearálta seo: d’íomhá amháin le téacs, is leor Fís (Vision); do dhoiciméad illeathanaigh ar mhaith leat anailís dhomhain a dhéanamh air, cuir Document AI i mbun oibre. Úsáideann dlíodóir a ghrianghrafaíonn clásal chun míniú a fháil air Fís (Vision); úsáideann an dlíodóir céanna a uaslódálann an conradh 40 leathanach iomlán chun iniúchadh a dhéanamh ar a oibleagáidí Document AI.
Sna ceachtaí seo a leanas sa rannán seo, foghlaimeoidh tú conas PDF a uaslódáil go Vibe agus eastóscadh uathoibríoch a fháil, sonraí struchtúrtha a eastóscadh—táblaí, ceanntáisc, figiúirí—as aon doiciméad, agus ansin ceisteanna a chur faoi ábhar doiciméid chun freagraí cruinne a fháil.
Príomhphointí
- Is é Document AI réiteach Mistral don phróiseáil chliste doiciméad, cumhachtaithe ag OCR 3
- Murab ionann agus OCR clasaiceach, tuigeann OCR 3 struchtúr agus comhthéacs an doiciméid
- Láimhseálann sé táblaí, lámhscríbhinn, doiciméid ilteangacha, agus íomhánna leabaithe
- D’íomhá shimplí, úsáid Fís (Vision); do dhoiciméad casta, úsáid Document AI
- Tá an phróiseáil tapa: suas le 2,000 leathanach in aghaidh an nóiméid