हर अंक पहचान लिया गया है। फिर भी उप-योग डेटा रिकॉर्ड में अंतिम राशि के रूप में पहुँच जाता है। ऐसी त्रुटियाँ साफ़-सुथरी दिखती हैं: मान्य JSON, भरे हुए फ़ील्ड, कोई लाल त्रुटि संदेश नहीं। जो कमी है, वह संख्या, लेबल और तालिका की पंक्ति के बीच के संबंध में है।
Mistral का OCR दस्तावेज़ीकरण अन्य बातों के साथ संरचित टेक्स्ट, तालिका प्रारूपों और ब्लॉक निर्देशांकों का वर्णन करता है। Document Annotations इसके अतिरिक्त जानकारी को एक पूर्वनिर्धारित JSON प्रारूप में बदल सकते हैं। ये घटक दस्तावेज़ से एप्लिकेशन तक के रास्ते के अलग-अलग हिस्सों को हल करते हैं।
एक ही फ़ील्ड के लिए चार स्तर
पहले अक्षरों को पढ़ना होता है। फिर एप्लिकेशन को उनकी स्थिति और क्रम चाहिए। उसके बाद उसे पहचानना होता है कि कोई मान किस फ़ील्ड का वर्णन करता है। अंत में तथ्यात्मक संबंध आते हैं: क्या अंतिम राशि उदाहरण में दी गई लाइन आइटम्स और बताई गई छूट से मेल खाती है?
इनमें से किसी भी स्तर पर हुई त्रुटि अंततः वही गलत संख्या पैदा कर सकती है। इसीलिए केवल पूर्ण टेक्स्ट आउटपुट गुणवत्ता का पर्याप्त माप नहीं है। किसी महत्वपूर्ण मान के लिए, उस स्थान तक वापस जाने का रास्ता सुरक्षित रहना चाहिए जहाँ वह मिला था।
यह हमेशा कोई जटिल ग्राफ़िकल चिह्न होना ज़रूरी नहीं है। एक दस्तावेज़ पहचानकर्ता, पृष्ठ और एक स्पष्ट फ़ील्ड विवरण ही काफ़ी मदद करते हैं। यदि निर्देशांकों का उपयोग किया जाता है, तो वे सही पृष्ठ और रेंडरिंग से संबंधित होने चाहिए। स्पष्ट रूप से पहचाने गए दस्तावेज़ संस्करण के बिना एक आयत स्वयं बाद में भ्रम पैदा कर सकता है।
ऐसा चालान बनाएँ जिसकी सामग्री आप जानते हों
एक सुगम परीक्षण के लिए आप दो लाइन आइटम्स वाला अपना स्वयं का PDF तैयार करें। आइटम A में दस-दस यूरो की दो इकाइयाँ हैं, आइटम B में पंद्रह यूरो की एक इकाई। उनके नीचे पाँच यूरो की छूट और तीस यूरो की अंतिम राशि है। एक ऑर्डर नंबर जानबूझकर नहीं दिया गया है। ये आँकड़े केवल तकनीकी व्याख्या के लिए हैं, कर संबंधी उद्देश्यों के लिए टेम्पलेट के रूप में नहीं।
निष्कर्षण से पहले अपेक्षित मान और उनके स्थान नोट करें। दूसरे संस्करण में केवल लेआउट बदलें: छूट और कुल अब लाइन आइटम्स के और करीब हैं। इस तरह आप बाद में बता सकते हैं कि असाइनमेंट लेबल का उपयोग करता है या किसी संयोगवश स्थिति पर निर्भर करता है।
पहले किसी उपयुक्त बाहरी OCR रास्ते को टेक्स्ट और संरचना देने दें। उसके बाद का निष्कर्षण अंतिम राशि, मुद्रा, ऑर्डर नंबर और दस्तावेज़ में स्थान आउटपुट करे। अनुपस्थित ऑर्डर नंबर को अज्ञात के रूप में रखा जाता है। एक गढ़ा गया स्थानापन्न नंबर त्रुटि होगा, भले ही वह आउटपुट प्रारूप को पूरी तरह भर दे।
मॉडल के बाहर एक छोटी तथ्यात्मक जाँच
कृत्रिम उदाहरण के सरल अंकगणितीय संबंध की स्वतंत्र रूप से जाँच की जा सकती है। ऐसी दशमलव राशियों के लिए, उदाहरण के तौर पर, बाइनरी फ़्लोटिंग-पॉइंट मानों के बजाय Decimal का उपयोग करें। हमारे द्वारा लिखा गया यह Python उदाहरण केवल हमारे द्वारा परिभाषित शिक्षण गणना की जाँच करता है:
from decimal import Decimal
positionen = [
(Decimal("2"), Decimal("10.00")),
(Decimal("1"), Decimal("15.00")),
]
rabatt = Decimal("5.00")
ausgewiesen = Decimal("30.00")
berechnet = sum((menge * preis for menge, preis in positionen), Decimal("0")) - rabatt
assert berechnet == ausgewiesenएक सफल अंकगणितीय जाँच केवल यह दिखाएगी कि यहाँ उपयोग की गई संख्याएँ आपस में मेल खाती हैं। यह सिद्ध नहीं करती कि OCR ने ये संख्याएँ सही दस्तावेज़ से ली हैं। इसीलिए अंकगणितीय जाँच और स्रोत की जाँच दो अलग-अलग चरण बने रहते हैं।
किसी वास्तविक एप्लिकेशन में आपको विशिष्ट दस्तावेज़ प्रकार के नियमों का भी पालन करना होता है। कर, पूर्णांकन, मुद्राएँ और विशेष मामले इस सरलीकृत चालान से नहीं निकाले जा सकते। यहाँ कार्य केवल एक ज्ञात असाइनमेंट को अनुरेखणीय तरीके से स्थानांतरित करना है।
अनिश्चितता हस्तांतरण अनुबंध का हिस्सा है
स्पष्ट रूप से तय करें कि किसी अपठनीय अंक या विरोधाभास के साथ क्या होगा। एक डेटा रिकॉर्ड में मान, वह कहाँ मिला और एक स्पष्टीकरण स्थिति हो सकती है। तब केवल एक पुष्ट स्थानांतरण ही इच्छित अगला चरण शुरू करता है।
एक उपयुक्त निर्देश: “अनुपस्थित जानकारी न जोड़ें। आपके द्वारा स्थानांतरित की जाने वाली हर राशि के लिए लेबल वाले फ़ील्ड का संदर्भ दें। विरोधाभासी योगों को अलग से दर्ज करें। केवल एक प्रीव्यू तैयार करें, कोई लेखा प्रविष्टि नहीं।”
इस प्रकार ठोस परीक्षण केवल PDF को पढ़ने से आगे जाता है। आप अक्षरों, संरचना, फ़ील्ड के अर्थ और एक ज्ञात संबंध की अलग-अलग जाँच करते हैं। ठीक यही डेटा तक एक उपयोग योग्य रास्ता बनाता है, जो केवल साफ़-सुथरा दिखता ही नहीं, बल्कि मूल तक वापस भी ले जाता है।
स्रोत और स्थिति
स्रोत 25 अक्टूबर 2026 की स्थिति के अनुसार। Document AI OCR प्रोसेसर · Document Annotations।
