Mistral OCR vai Azure: tabulas maina izvēli

Ja uzņēmumam svarīgākā ir tabulu un dokumentu struktūras iegūšana meklēšanai vai RAG sistēmai, Mistral OCR 4.1 ir pamatots pirmais kandidāts. Ja galvenais darbs ir rēķinu iegrāmatošana vai līgumu lauku nodošana citai sistēmai, priekšroka sākotnējā izvēlē ir Azure Document Intelligence: Microsoft modeļu pārskatā līdzās izkārtojuma modelim ir gatavi rēķinu un līgumu modeļi ar strukturētu lauku izvadi. Izšķirošā atšķirība ir vajadzīgais rezultāts — sakārtots dokumenta saturs vai jau nosaukti biznesa lauki.

Tabulas šo izvēli var mainīt. PulseBench-Tab rezultātu apkopojumā Mistral OCR 4.1 T-LAG vērtējums ir 0,8569 un pārklājums 97,5 %, bet Azure Document Intelligence — attiecīgi 0,7614 un 92,0 %; pārbaudē izmantotas 1820 tabulas deviņās valodās, Mistral pārbaude veikta 2026. gada septembrī, Azure — aprīlī. Latviešu valodas šajā kopā nav. Tāpēc publiskais rezultāts dod iemeslu izmēģināt Mistral tabulām, bet neparedz, kurš pakalpojums labāk apstrādās Latvijas uzņēmuma rēķinus.

Ko tabulu rezultāts mēra

T-LAG salīdzina no tabulas attēla iegūto HTML ar cilvēka sagatavotu atsauces tabulu. Vērtējumā nozīme ir gan šūnu saturam, gan to novietojumam un saitēm ar blakus šūnām. Tas ir būtiski pārskatos un pielikumos, kuros nepareizi savienota virsraksta šūna var piešķirt skaitlim citu nozīmi, pat ja paši cipari ir atpazīti pareizi.

Etalons vērtējumu aprēķina tikai tiem attēliem, par kuriem pakalpojums atdevis rezultātu. Automatizētā plūsmā jāņem vērā arī neatbildētie dokumenti: tos vēlāk būs jāapstrādā citādi vai jānodod cilvēkam. Turklāt abu pakalpojumu publiskās pārbaudes nav veiktas vienā mēnesī. Šis salīdzinājums parāda tabulu iegūšanas kvalitāti konkrētajā datu kopā, nevis rēķinu lauku, līguma noteikumu vai RAG atbilžu precizitāti.

Struktūra meklēšanai un RAG ievadei

Mistral OCR priekšrocība daudzveidīgā arhīvā ir strukturēta izvade, ar kuru var sasaistīt atpazīto saturu un tā vietu lapā. Mistral OCR 4.0 modeļa apraksts norāda uz rindkopu robežrāmjiem un strukturālu bloku marķējumu, kā arī atzīmē šo versiju par novecojušu un jaunām integrācijām iesaka OCR 4.1. Tādēļ izmēģinājumā jāfiksē konkrētā modeļa versija, nevis tikai produkta nosaukums.

Bloka marķējums palīdz nošķirt tabulu no apkārtējā teksta, bet atrašanās vietas dati ļauj vēlāk atrast fragmentu sākotnējā lapā. RAG sistēmai tas ir noderīgs ievades materiāls: meklēšanas indekss var glabāt fragmentu kopā ar norādi uz dokumentu. Pašas atbildes kvalitāti nosaka arī fragmentu sadalīšana, atlase un ģenerēšana, tāpēc OCR izvades kvalitāte ir tikai daļa no šīs plūsmas.

Arī Azure izkārtojuma modelis izvelk tekstu, tabulas un dokumenta struktūru. Meklēšanas arhīva pārbaudē tam pretī jāliek Mistral strukturālā izvade, nevis Azure rēķinu modelis: pēdējais risina citu uzdevumu. Salīdzinājumā svarīgi, vai sadaļas saglabā pareizu lasīšanas secību, vai tabulas nepārvēršas sajauktās teksta rindās un vai atrasto fragmentu var sasaistīt ar oriģinālo lapu.

Rēķinu un līgumu lauki

Grāmatvedības sistēmai ar lasāmu rēķina tekstu parasti nepietiek. Tai vajadzīgs piegādātājs, rēķina numurs, datums, summas un pozīciju rindas atsevišķos laukos. Līgumu plūsmā savukārt jāatšķir puses un vienošanās detaļas. Azure gatavie modeļi šiem dokumentu veidiem dod iepriekš definētu shēmu, kas var samazināt paša veidotas parsēšanas apjomu. Shēmas esamība gan vēl negarantē, ka katra vērtība būs pareiza konkrētā latviešu vai daudzvalodu dokumentā.

Mistral piedāvā citu ceļu līdz nosauktiem laukiem. Mistral OCR 4 funkciju aprakstā parastā OCR izvade ir nošķirta no Document AI slāņa: lietotājs var iesniegt savu JSON shēmu, un papildu modeļa solis veido tai atbilstošu strukturētu rezultātu. Tas dod iespēju prasīt tieši uzņēmumam vajadzīgos laukus, taču šis rezultāts jāvērtē atsevišķi no vienkāršas teksta vai Markdown iegūšanas.

Tādēļ godīgs salīdzinājums rēķiniem ir Azure gatavais rēķina modelis pret Mistral izvadi ar nepieciešamo strukturēšanas slāni. Ja salīdzina Azure lauku sarakstu tikai ar Mistral OCR tekstu, Azure ir uzdots pabeigt vairāk darba. Savukārt uzņēmuma īpašam dokumentam paša definēta shēma var būt piemērotāka par gatavo lauku kopu. Abos gadījumos īpaši jāuzskaita kļūdas summās, datumos un pušu nosaukumos: ticami izskatīga, bet nepareiza vērtība var nonākt nākamajā sistēmā bez brīdinājuma.

Pašmitināšanas nosacījumi

Ja dokumentiem jāpaliek uzņēmuma kontrolētā vidē, jāvērtē konkrētā izvietošanas iespēja un tai pieejamās funkcijas. Mistral apraksta OCR 4 pašmitināšanu uzņēmumu klientiem; no tā vien nevar pieņemt, ka tieši tādi paši nosacījumi attiecas uz jaunāku versiju vai papildu strukturēšanas slāni. Šie punkti jānoskaidro piedāvājumā, kurā norādīta izmantojamā versija.

Azure gadījumā Microsoft atvienoto konteineru dokumentācija paredz piekļuves pieprasījumu un saistību plāna iegādi; pieejamie modeļi atšķiras atkarībā no API versijas. Tādēļ mākoņpakalpojuma funkciju sarakstu nevar automātiski attiecināt uz lokālu konteineru. Izvēlē jāiekļauj vajadzīgais modelis, datu apstrādes vieta un uzturēšanas izmaksas, ne tikai atpazīšanas rezultāts.

Pārbaude ar Latvijas dokumentiem

Publisko tabulu rezultātu vislietderīgāk izmantot kā sākuma hipotēzi paša uzņēmuma pārbaudei. Testa kopā vajadzīgi latviešu valodas digitālie rēķini un skenējumi, daudzvalodu rēķini, līgumi ar pielikumiem un tabulas ar apvienotām šūnām, blīviem skaitļiem vai turpinājumu nākamajā lapā. Dokumentiem jāatspoguļo arī ikdienas kvalitāte — šķībi skenējumi un atšķirīgi piegādātāju izkārtojumi — ne tikai skaidrākie paraugi.

Pirms pakalpojumu palaišanas katram failam jāsagatavo pareizā atbilde tam uzdevumam, kuru uzņēmums grib automatizēt. Tabulai tā ir šūnu struktūra un saturs; rēķinam — vajadzīgie lauki un pozīciju rindas; līgumam — izvēlētās puses un detaļas. Šāda atsauce ļauj atšķirt sistēmas kļūdu no situācijas, kurā prasītais lauks pašā dokumentā nemaz nav norādīts.

Vienus un tos pašus failus var salīdzināt Mistral OCR struktūras režīmā, Mistral ar vajadzīgo lauku shēmu, Azure izkārtojuma modelī un attiecīgajos Azure gatavajos modeļos. Rezultātus vērts dalīt pēc dokumentu veida un valodas. Līdzās teksta un lauku precizitātei jāuzskaita neatbildētie faili, cilvēka labošanai patērētais laiks un kļūdas, kuras automatizētā plūsma nepamana.

Ja uzņēmuma galvenā vērtība ir meklējams arhīvs ar sarežģītām tabulām, pārbaudi ir loģiski sākt ar Mistral OCR. Ja svarīgākais ir ātri iegūt rēķinu vai līgumu laukus ar mazāk paša veidotas loģikas, sākumpunkts ir Azure gatavie modeļi. Galīgo izvēli nosaka kļūdu skaits un labošanas darbs tieši uzņēmuma dokumentos, nevis viena publiska etalona vieta.

Lasiet arī: