📌 میسترال از OCR 4 رونمایی کرد؛ مدلی که اسناد را به ساختار تبدیل می‌کند
شرکت میسترال (Mistral AI) از جدیدترین نسخه مدل OCR خود با نام OCR 4 رونمایی کرده است. این مدل فراتر از تشخیص متن ساده عمل کرده و اسناد را به یک ساختار منسجم و قابل استفاده تبدیل می‌کند.
✨ قابلیت‌های کلیدی:
- تشخیص بلوک‌ها با جعبه‌های محدود (Bounding Boxes): هر عنصر سند (متن، جدول، عنوان، تصویر) با مختصات دقیق مشخص می‌شود.
- طبقه‌بندی انواع عناصر: تشخیص خودکار انواع محتوای سند شامل عنوان، زیرعنوان، جدول، فرمول، امضا و تصویر.
- نمره اطمینان در سطح صفحه و کلمه: نشان‌دهنده میزان اطمینان مدل در تشخیص هر بخش از سند.
- پشتیبانی از ۱۷۰ زبان: در ۱۰ گروه زبانی مختلف.
🎯 کاربرد اصلی:
هدف اصلی این مدل صرفاً «تشخیص متن» نیست، بلکه تبدیل اسناد به ساختاری است که بتوان از آن در سیستم‌های RAG، جستجوی سازمانی، ویرایش و بازبینی انسانی و خطوط لوله عامل‌های هوش مصنوعی استفاده کرد.
📊 عملکرد و نتایج:
در یک مقایسه کور بر روی بیش از ۶۰۰ سند واقعی، کاربران مستقل در ۷۲٪ موارد OCR 4 را به سایر سیستم‌های پیشرو ترجیح داده‌اند. این مدل بالاترین امتیاز (۸۵.۲۰) را در بنچمارک OlmOCRBench کسب کرده و در ارزیابی چندزبانه داخلی (Crawl Multilingual) با امتیاز ۰.۹۸ از رقبا پیشی گرفته است.
در بنچمارک OmniDocBench نیز امتیاز ۹۳.۰۷ را به دست آورده است.
🔒 امنیت و استقرار:
مدل به اندازه‌ای جمع‌وجور است که در یک کانتینر واحد قابل استقرار است و امکان اجرای خودمیزبان (Self-hosted) را فراهم می‌کند. این ویژگی به سازمان‌ها اجازه می‌دهد اسناد خود را بدون خروج از زیرساخت اختصاصی پردازش کنند و نیازهای حاکمیتی و حریم خصوصی را برآورده سازند.
🔗 اطلاعات بیشتر:
بیانیه رسمی میسترال
#MistralAI #OCR #DocumentUnderstanding #AI
🆔 @asrgooyeshpardaz
شرکت میسترال (Mistral AI) از جدیدترین نسخه مدل OCR خود با نام OCR 4 رونمایی کرده است. این مدل فراتر از تشخیص متن ساده عمل کرده و اسناد را به یک ساختار منسجم و قابل استفاده تبدیل می‌کند.
✨ قابلیت‌های کلیدی:
- تشخیص بلوک‌ها با جعبه‌های محدود (Bounding Boxes): هر عنصر سند (متن، جدول، عنوان، تصویر) با مختصات دقیق مشخص می‌شود.
- طبقه‌بندی انواع عناصر: تشخیص خودکار انواع محتوای سند شامل عنوان، زیرعنوان، جدول، فرمول، امضا و تصویر.
- نمره اطمینان در سطح صفحه و کلمه: نشان‌دهنده میزان اطمینان مدل در تشخیص هر بخش از سند.
- پشتیبانی از ۱۷۰ زبان: در ۱۰ گروه زبانی مختلف.
🎯 کاربرد اصلی:
هدف اصلی این مدل صرفاً «تشخیص متن» نیست، بلکه تبدیل اسناد به ساختاری است که بتوان از آن در سیستم‌های RAG، جستجوی سازمانی، ویرایش و بازبینی انسانی و خطوط لوله عامل‌های هوش مصنوعی استفاده کرد.
📊 عملکرد و نتایج:
در یک مقایسه کور بر روی بیش از ۶۰۰ سند واقعی، کاربران مستقل در ۷۲٪ موارد OCR 4 را به سایر سیستم‌های پیشرو ترجیح داده‌اند. این مدل بالاترین امتیاز (۸۵.۲۰) را در بنچمارک OlmOCRBench کسب کرده و در ارزیابی چندزبانه داخلی (Crawl Multilingual) با امتیاز ۰.۹۸ از رقبا پیشی گرفته است.
در بنچمارک OmniDocBench نیز امتیاز ۹۳.۰۷ را به دست آورده است.
🔒 امنیت و استقرار:
مدل به اندازه‌ای جمع‌وجور است که در یک کانتینر واحد قابل استقرار است و امکان اجرای خودمیزبان (Self-hosted) را فراهم می‌کند. این ویژگی به سازمان‌ها اجازه می‌دهد اسناد خود را بدون خروج از زیرساخت اختصاصی پردازش کنند و نیازهای حاکمیتی و حریم خصوصی را برآورده سازند.
🔗 اطلاعات بیشتر:
بیانیه رسمی میسترال
#MistralAI #OCR #DocumentUnderstanding #AI
🆔 @asrgooyeshpardaz
Mistral
Mistral OCR 4 : SOTA OCR for Document Intelligence
Mistral OCR 4 delivers enterprise document AI with 170-language support, bounding boxes, and self-hosted deployment.
❤1