Компания Dharma-AI представила модель для извлечения данных из документов в таблицы и базы

Компания Dharma-AI выпустила модель под названием Field Extractor — инструмент для извлечения данных из фотографий и сканов документов. В отличие от обычного распознавания текста (OCR), которое просто считывает все буквы и цифры подряд, эта модель сразу раскладывает информацию по нужным полям: например, в счёте от поставщика она сама найдёт название компании, номер счёта, срок оплаты и итоговую сумму, а в медицинской справке — имя пациента, вид обследования и дату. Результат модель отдаёт в формате JSON — это стандартный способ хранить данные так, чтобы их могла сразу понять другая программа, например, учётная система.

Модель умеет работать двумя способами: либо сама решает, какие поля есть в документе и возвращает всё найденное, либо заполняет заранее заданный шаблон с нужными названиями полей — и если какого-то поля в документе нет, возвращает пустое значение вместо того, чтобы придумывать ответ. По словам разработчиков, в тестах на распознавании полей их модель показала более высокое качество, чем крупные универсальные нейросети вроде Claude и GPT, при этом обходится заметно дешевле — модель небольшая и может работать на собственном сервере компании, а не через платный доступ к внешнему сервису.

Что это значит для бизнеса. Если компания каждый день обрабатывает однотипные документы — счета, накладные, анкеты, формы — такая технология может ускорить перенос данных в учётные системы и сократить ручной труд. Модель работает с документами на разных языках, включая английский и португальский, но про поддержку русского языка и доступность сервиса в России в материале ничего не сказано. Стоимость использования — это цена аренды сервера, а не готовая цена подписки, поэтому реальные расходы для конкретного бизнеса пока неизвестны.

Как попробовать. Разработчики предлагают протестировать модель на собственных документах через их портал, а также изучить демонстрационные примеры и открытые модели компании на Hugging Face.