Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Uvod v Document AI

Lekcija 1 od 16 Posodobljeno 2. november 2026 Razvijalec
Na tej strani
  1. Zakaj Document AI spreminja pravila igre
  2. Tri storitve Document AI
  3. Tradicionalni OCR proti Document AI
  4. Strukturiran izhod v Markdownu
  5. Kaj se boste naučili
  6. Ključne ugotovitve

Posodobljeno 2. novembra 2026 — OCR. Različica OCR 4.0 (mistral-ocr-4-0) je bila umaknjena 30. septembra 2026. Uporabljajte OCR 4.1 (mistral-ocr-4-1), ki je splošno dostopen od 31. avgusta po enaki ceni, ali vzdevek mistral-ocr-latest, ki kaže nanj od 16. julija. OCR 4.1 dodaja ocene zanesljivosti na ravni blokov.

Zakaj Document AI spreminja pravila igre

Vsako jutro zavarovalnica prejme na stotine obrazcev za zahteve: skenirane dokumente, nagnjene pod čudnimi koti, ročno pisana poročila, izpolnjena s peresom, in fotografije računov, posnete s telefonom. Banke se soočajo z istim problemom pri izpiskih, bolnišnice pri kartotekah pacientov in vladne agencije pri obrazcih. Desetletja je tradicionalno optično prepoznavanje znakov (OCR) poskušalo rešiti to težavo, pogosto z razočarajočimi rezultati, takoj ko postanejo postavitve kompleksne, je vključeno rokopisno besedilo ali dokumenti združujejo več jezikov.

Mistral AI je razvil Document AI posebej za tovrstne delovne tokove. To ni le še en pogon OCR: rešitev združuje specializirani jezikovni vizualni model (VLM) z zmogljivostmi strukturiranega ekstrakcije in dokumentne inteligence. Z drugimi besedami, ne bere le znakov; dokument rekonstruira tako, kot je organiziran, in vam omogoča, da ga nato poizvedujete.

2,000
Strani/min na GPU
3
Integrirane storitve
50+
Podprtih jezikov
6
Podprtih formatov

Tri storitve Document AI

Document AI temelji na treh dopolnjujočih se storitvah, do katerih lahko dostopate prek API-ja Mistral. Pomembno je, da takoj razumete, kako se med seboj povezujejo.

Prva, procesor OCR, je jedro sistema. Model mistral-ocr-latest (OCR 4) ekstrahira besedilo iz skeniranih dokumentov, datotek PDF, slik in predstavitev. Tam, kjer vam klasični OCR, kot je Tesseract, vrne zmešnjavo vrstic, ta model ohrani strukturo: naslove, odstavke, tabele, sezname in hiperpovezave. Vzemimo ponovno tisti zavarovalniški obrazec za zahtevo: dobite nazaj obrazec z identificiranimi razdelki, ne pa bloka besedila, ki ga morate razvozlati.

Druga storitev, opombe dokumentov (Document Annotations), prevzame nalogo ekstrakcije uporabnih podatkov. Definirate shemo Pydantic – ime pacienta, znesek računa, klavzule pogodbe – in model ta polja samodejno izpolni. Preidete od berljivega besedila do tipiziranih vrednosti, ki jih lahko informacijski sistem neposredno zaužije.

Tretja, vprašanja in odgovori o dokumentih (Document QnA), združuje OCR z velikim jezikovnim modelom (LLM) Mistral, kar vam omogoča postavljanje vprašanj v naravnem jeziku o vsebini. To odvetniku omogoča, da vpraša: „Kakšen je odpovedni rok?” namesto da bi znova prebral štirideset strani. To je tudi naraven način za dostop do velikih arhivov ali primerjavo poročil.

Tradicionalni OCR proti Document AI

Tradicionalni OCR, bodisi Tesseract ali Adobe Acrobat, deluje tako, da prepoznava vzorce pikselsko za pikslom. To načelo dobro deluje na ostrih tiskanih straneh, a odpove, takoj ko stopite izven tega idealnega primera. Časopis z več stolpci, gnezdenimi naslovi in ilustriranimi stranskimi vrsticami proizvede besedilo, kjer vrstni red branja nima več smisla. Ročno pisana zdravniška beležnica ali ročno izpolnjeni obrazci mu ostanejo neberljivi. Tabele z združenimi celicami, manjkajočimi robovi ali nepravilnimi poravnavami izgubijo vso povezavo med stolpci in vrsticami. Dodajte dokument, ki meša latinično, arabsko in azijska pisava, ali hrupen, nagnjen, zamegljen sken, in stopnja napak postane nesprejemljiva.

Document AI gradi na fino uglašenem vizualnem modelu (VLM), ki razume semantiko dokumentov. Ne prepoznava le znakov: dojame strukturo, kontekst in razmerja med elementi. Ta temeljna razlika v naravi, ne le preprosto povečanje natančnosti, pojasnjuje njegove rezultate pri težkih primerih.

Strukturiran izhod v Markdownu

Še ena ključna razlika: Document AI proizvaja strukturiran Markdown, ne navadnega besedila. Vsaka stran je vrnjena z označeno besedilno vsebino – naslovi, seznami, odstavki – njene tabele so oblikovane v Markdownu ali HTML-ju, ekstrahirane slike so priložene s svojo pozicijo, hiperpovezave so ohranjene, po želji pa so glave in noge ločene od telesa. Ta izhod je pripravljen za uporabo: lahko ga indeksirate v vektorski bazi podatkov za RAG, arhivirate ali prikažete takšnega, kot je, brez vmesnega koraka čiščenja.

Na vhodni strani storitev pokriva datoteke PDF (skenirane in izvorne), slike PNG, JPEG in AVIF, predstavitve PPTX ter dokumente DOCX. Največja velikost datoteke je 50 MB, z omejitvijo na 1.000 strani – dve omejitvi, ki ju morate upoštevati pri razdeljevanju vaših serij.

Kaj se boste naučili

Tečaj sledi vrstnemu redu treh storitev. Lekcije od 1 do 3 pokrivajo pregled, model OCR 4 in primere uporabe. Lekcije od 4 do 8 poglobljeno obravnavajo OCR: API, kodo Python, tabele, glave in noge ter optimizacijo natančnosti. Lekcije od 9 do 12 obravnavajo opombe, od ekstrakcije metapodatkov do obdelave serij. Lekcije od 13 do 16 se lotevajo vprašanj in odgovorov o dokumentih, od posameznih dokumentov do nastavitev z več dokumenti, vse do integracije RAG in produkcijskih cevovodov.

Ključne ugotovitve

  • Document AI združuje OCR, strukturirane opombe in QnA v enotni rešitvi
  • Model OCR 4 močno presega tradicionalne rešitve OCR v natančnosti in prilagodljivosti
  • Strukturiran izhod v Markdownu olajša integracijo v vaše obstoječe cevovode
  • Tri dopolnjujoče se storitve pokrivajo celoten življenjski cikel dokumenta