Hablemos de su proyecto
Arquitectura IA

Extraer correctamente las líneas de una factura PDF con Clairic

En una factura de dos páginas, el total y las líneas están separados. Compare Clairic y Clairic-flash con documentos de prueba para saber qué campos son fiables y cuándo pedir una revisión.

Extraire les bonnes lignes d’une facture PDF avec Clairic

El total de una factura está en la segunda página y las líneas en la primera. Si el precio salta a la siguiente fila, un resultado ordenado puede resultar inutilizable en contabilidad.

Qué cambia respecto a la vista previa

El 18 de noviembre, Cloudflare publicó los pesos de Clairic y Clairic-flash en Hugging Face y los ofreció en Workers AI. Las fichas de ambos modelos indican la licencia Apache 2.0. La referencia anterior de Clairic servía el modelo de 9.000 millones de parámetros. Ahora Clairic sirve el de 27.000 millones y Clairic-flash el de 9.000 millones. Cloudflare indica que el esquema de la API sigue igual y admite hasta cuatro imágenes o páginas PDF en total. Las cifras de precisión y latencia proceden de sus propias pruebas.

Medir errores que afectan a la captura

  1. Prepare veinte facturas ficticias con escaneos inclinados, varios impuestos, líneas repartidas entre páginas y campos ausentes. Registre proveedor, total, moneda y cantidades y precios de cada fila.
  2. Envíe el mismo esquema a ambos modelos. Compruebe campos exactos, filas completas y cantidades frente al original. Los valores ausentes quedan vacíos. Envíe los resultados inciertos a revisión.
  3. Mida el tiempo completo y los documentos que requieren trabajo. Calcule el coste por factura aceptada, incluida la revisión. Calibre el umbral con un lote y compruébelo con otros documentos.

El tutorial de Partitech distingue impuestos y total. Este ensayo también estudia las filas del PDF y el cambio de modelo detrás de un identificador existente. Fije la versión desplegada y pase el lote de referencia tras cada migración.

Compartir este artículo