Mistral เปิดตัว OCR 4 เปลี่ยนการดึงข้อมูลเอกสารให้เป็น AI สำหรับองค์กร

Mistral AI ได้ประกาศเปิดตัว OCR 4 ในวันอังคารที่ผ่านมา ซึ่งเป็นโมเดลการรู้จำอักขระที่มีความสามารถในการดึงข้อมูลจากเอกสารที่ไม่เพียงแค่การดึงข้อความดิบ แต่ยังสามารถสร้างการแสดงผลที่มีโครงสร้างจากเอกสารทั้งหมด โดยมีการระบุกรอบ (bounding boxes) การจัดประเภทประเภทของบล็อก (block-type classification) และคะแนนความมั่นใจต่อคำแต่ละคำ (per-word confidence scores) การเปิดตัวนี้ถือเป็นการพัฒนาในรุ่นที่สี่ของเทคโนโลยี OCR ของ Mistral ในระยะเวลาเพียง 15 เดือน และเกิดขึ้นในช่วงเวลาที่บริษัทมีข้อเสนอเกี่ยวกับอำนาจอธิปไตยด้าน AI ในยุโรปที่มีความสำคัญทางการค้าอย่างมาก

โมเดลนี้รองรับ 170 ภาษาใน 10 กลุ่มภาษา และสามารถรับฟอร์แมตเอกสารต่างๆ เช่น PDF, DOC, PPT และ OpenDocument โดยสามารถติดตั้งในโครงสร้างพื้นฐานขององค์กรในรูปแบบของคอนเทนเนอร์เดียว ซึ่งเป็นความสามารถที่ Mistral กำลังมุ่งเป้าไปที่องค์กรในอุตสาหกรรมที่มีการควบคุมที่ไม่สามารถส่งเอกสารที่สำคัญผ่าน API คลาวด์ที่อยู่ภายใต้เขตอำนาจของสหรัฐอเมริกาได้ โดย Mistral กล่าวในแถลงการณ์ว่า “Mistral OCR 4 สามารถดึงและจัดโครงสร้างเนื้อหาจากเอกสารที่หลากหลายได้”

การเปลี่ยนแปลงหลักในการพัฒนา OCR 4 คือโครงสร้างของข้อมูลที่ถูกดึงมา แทนที่จะให้ผลลัพธ์เป็นสตรีมข้อความที่แบนราบ ซึ่งเป็นรูปแบบที่กำหนด OCR มานานหลายทศวรรษ โมเดลนี้จะคืนค่าการแสดงผลที่มีชั้นซึ่งแต่ละบล็อกจะถูกระบุด้วยกรอบ (bounding box) และจะถูกจัดประเภทตามประเภท (เช่น ชื่อเรื่อง ตาราง สมการ ลายเซ็น และอื่นๆ) พร้อมกับการให้คะแนนความมั่นใจในแต่ละบล็อก

โมเดล OCR 4 พร้อมให้บริการทันทีผ่าน API ของ Mistral, Document AI ใน Mistral Studio, Amazon SageMaker, และ Microsoft Foundry โดยมีการสนับสนุน Snowflake Parse Document ที่จะมาในเร็วๆ นี้ ราคาของบริการเริ่มต้นที่ 4 ดอลลาร์ต่อ 1,000 หน้า และลดลงเหลือ 2 ดอลลาร์ต่อ 1,000 หน้าเมื่อใช้ผ่าน API แบบแบทช์ (batch API discount) การพัฒนาเหล่านี้แสดงให้เห็นถึงความพยายามของ Mistral ในการนำเสนอเทคโนโลยีที่มีความสามารถในการจัดการเอกสารอย่างมีประสิทธิภาพและปลอดภัยสำหรับองค์กรที่ต้องการควบคุมข้อมูลของตนเอง