Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Uvod v Document AI in inteligentno OCR

Lekcija 9 od 14 Posodobljeno 2. november 2026 Začetnik
Na tej strani
  1. Veliko več kot preprost bralnik dokumentov
  2. Zakaj klasični OCR ni bil dovolj
  3. OCR 3 s številkami
  4. Kako se razlikuje od Vision v Vibeu?
  5. Ključne ugotovitve

Posodobitev, 2. november 2026 — Le Chat postane Vibe. Od 28. maja 2026 je bil Le Chat preimenovan v Vibe (še vedno na naslovu chat.mistral.ai): en sam agent za delo in kodo, ki ohranja tvoja pogovorna zgodovina, nastavitve in naročnine. Stara izkušnja Le Chat ostaja dostopna v načinu Chat; v načinu Work so agenti postali veščine (priklicane z @), spomini tvorijo bazo znanja, globoko iskanje pa je zdaj veščina Deep Research. Naročniški paketi se zdaj imenujejo Mistral Free, Pro, Team in Enterprise. Ta lekcija uporablja ime Vibe; nekateri tukaj opisani meniji so morda spremenili imena ali lokacije.

Veliko več kot preprost bralnik dokumentov

V razdelku Vision si videl, da Vibe zna prebrati besedilo na sliki. Ko pa gre za obdelavo kompleksnih dokumentov – večstranskega PDF-ja, skeniranega obrazca ali finančnega poročila, prepletenega z gnezdenimi tabelami – potrebuješ specializirano orodje. Prav to ponuja Mistralov Document AI, ki ga poganja mehanizem OCR 3. Ta lekcija postavlja temelje celotnemu razdelku: razumevanje, kaj je OCR, kako se Mistralov pristop razlikuje od klasičnih rešitev in, kar je najpomembneje, kdaj ga uporabiti namesto Vision.

OCR pomeni optično prepoznavanje znakov (Optical Character Recognition). To je tehnologija, ki sliko z besedilom – bodisi sken, fotografijo ali PDF, ki temelji na slikah – pretvori v uporabno digitalno besedilo: besedilo, ki ga lahko kopiraš, iščeš ali analiziraš kot vsak drug izvorno digitalni dokument. Stave so vsakdanje: pomisli na račun, ki ti ga je kolega poslal kot fotografijo, ali na pogodbo, skenirano pred desetimi leti, kjer moraš najti specifično klavzulo. Brez OCR so ti dokumenti le neme slike.

Zakaj klasični OCR ni bil dovolj

OCR obstaja že desetletja, vendar so tradicionalne rešitve – Tesseract je najbolj znan primer – trpele zaradi znatnih omejitev, ki jih pozna vsakdo, ki je kdaj skeniral dokument. Postavitev je bila izgubljena: besedilo je izšlo zmešano, ne da bi upoštevalo strukturo dokumenta, in skrbno organizirano poročilo spremenilo v kašo odstavkov. Tabele so bile prezrte, stolpci in vrstice pomešani do te mere, da so bili podatki neuporabni. Ročno pisano besedilo je ostalo skoraj neberljivo. Večjezični dokumenti so dali slabe rezultate, takoj ko si stopil izven angleščine. Slike, vgrajene v besedilo – grafikoni, diagrami – so bile preprosto prezrte.

Mistralov mehanizem OCR 3 popolnoma spremeni pravila igre, razlog pa leži v njegovi arhitekturi. Namesto uporabe klasičnih tehnik prepoznavanja znakov se zanaša na večmodalni jezikovni model (VLM), posebej usposobljen za razumevanje dokumentov. Razlika je temeljna: klasični OCR prepoznava posamezne znake in jih poskuša sestaviti v besede, podobno kot nekdo, ki črkuje črko za črko, ne da bi razumel stavek. Mistralov OCR, ki ga poganja AI, nasprotno razume dokument kot celoto – njegovo strukturo, vsebino in kontekst. Ko se sooči z delno izbrisano besedo, jo lahko sklepa iz konteksta, prav tako kot človeški bralec.

V praksi Document AI izvleče besedilo iz datotek PDF, slik in skeniranih dokumentov ter ohrani prvotno postavitev. Rekonstruira tabele z njihovimi glavami, stolpci in podatki ter izpiše čisti Markdown. Prebere rokopis – zdravniške zapise, ročno izpolnjene obrazce, robne opombe. Obdeluje večjezične dokumente z visoko natančnostjo v številnih jezikih, opisuje slike in grafikone, vsebovane v dokumentu, z generiranjem besedilnih napisov, in dovolj dobro razume kontekst, da odgovarja na vprašanja o vsebini.

OCR 3 s številkami

Glede zmogljivosti mehanizem dosega vrhunsko natančnost na referenčnih testih za prepoznavanje besedila, rokopisa in tabel. Obdela do 2.000 strani na minuto na enem GPU-ju – kar je dovolj za vnos celotnih arhivov. Sprejema več formatov: PDF, Word, skenirane slike in fotografije različne kakovosti. Njegov izhod je strukturiran: rezultat je čisti Markdown s referencami na slike, ne surovo besedilo, ki ga je treba ponovno obdelati.

Kako se razlikuje od Vision v Vibeu?

Morda se sprašuješ: „Zakaj ne bi preprosto naložil svojega PDF-ja v Vibe in uporabil Vision?” To je upravičeno vprašanje, odgovor pa strukturira tvoj celoten delovni tok. Vision v Vibeu, obravnavan v prvem razdelku tega tečaja, je popoln za analizo ene same izolirane slike – fotografije, grafikona, posnetka zaslona. Za večstranske dokumente s kompleksnimi postavitvami pa Document AI ponuja odločilne prednosti: obdelavo stran za stranjo z rekonstrukcijo celotne strukture dokumenta, izvleček tabel, zvest izvirniku in ne le približek, opombe in metapodatke, ki jih lahko izrecno zahtevaš – avtor, datum, zneski – in pravo vprašanje in odgovor o dokumentu pri dolgih dokumentih.

Zapomni si to splošno pravilo: za eno samo sliko z besedilom zadostuje Vision; za večstranski dokument, ki ga želiš poglobljeno analizirati, uporabi Document AI. Odvetnik, ki fotografira klavzulo, da bi jo razložil, uporabi Vision; isti odvetnik, ki naloži celotno 40-stransko pogodbo za revizijo njenih obveznosti, uporabi Document AI.

V naslednjih lekcijah tega razdelka se boš naučil, kako naložiti PDF v Vibe in dobiti samodejni izvleček, kako izvleči strukturirane podatke – tabele, glave, številke – iz katerega koli dokumenta in nato postavljati vprašanja o vsebini dokumenta ter dobiti natančne odgovore.

Ključne ugotovitve

  • Document AI je Mistralova rešitev za inteligentno obdelavo dokumentov, ki jo poganja OCR 3
  • Za razliko od klasičnega OCR, OCR 3 razume strukturo in kontekst dokumenta
  • Obvlada tabele, rokopis, večjezične dokumente in vgrajene slike
  • Za preprosto sliko uporabi Vision; za kompleksen dokument uporabi Document AI
  • Obdelava je hitra: do 2.000 strani na minuto