Descripción del proyecto
TraducidoCada día procesamos un flujo de documentos escaneados y estamos cansados de volver a escribirlos a mano. Necesitamos un servicio que tome una imagen cargada o un escaneo de varias páginas y devuelva datos estructurados limpios: no solo un muro de texto reconocido, sino exactamente los campos que nos importan. Para una factura, esto es proveedor, número de factura, fecha, artículos, impuestos y total. Para un recibo, esto es comerciante, fecha, monto y moneda. Para una identificación, esto es nombre, número de documento y fecha de expiración. Cada valor extraído debe tener un puntaje de confianza para que el operador vea de inmediato qué campos confiar y cuáles verificar. La tarea se trata específicamente de leer y extraer datos de documentos, así que no nos ofrezcan generación de PDF o bibliotecas de medios; ese es un proyecto diferente.
El resultado tiene dos partes que deben trabajar juntas. Primero, un pipeline de extracción confiable: limpieza y alineación de imágenes, OCR a través de diferentes calidades de impresión y múltiples idiomas, luego una capa de análisis que mapea el texto en bruto a los campos nombrados arriba. Segundo, una interfaz de verificación simple donde un humano abre un documento, ve los campos reconocidos superpuestos en el escaneo original y corrige cualquier cosa que el modelo haya errado antes de la aprobación. Los campos de baja confianza deben ser destacados para que la verificación sea rápida. Todo esto también debe estar disponible programáticamente: un endpoint REST que tome un archivo y devuelva JSON con campos, valores, coordenadas de caja delimitadora y confianza, además de webhooks o endpoints de estado para lotes asíncronos.
Somos flexibles en tecnología: modelos de visión en la nube, pilas de OCR de código abierto o un híbrido funcionarán siempre que la precisión sea alta y el costo por página sea predecible. Comparta ejemplos de tareas de extracción similares y evalúe honestamente la precisión en escaneos reales e imperfectos.
— Extraer campos estructurados de facturas, recibos e identificaciones
— Puntaje de confianza para cada campo con resaltado de los no confiables
— Interfaz de verificación con superposición de campos en el escaneo original
— API REST que devuelve JSON: campos, valores, coordenadas, confianza
— Procesamiento por lotes con estado asíncrono o webhooks
— Precio predecible por página y precisión documentada en escaneos
El resultado tiene dos partes que deben trabajar juntas. Primero, un pipeline de extracción confiable: limpieza y alineación de imágenes, OCR a través de diferentes calidades de impresión y múltiples idiomas, luego una capa de análisis que mapea el texto en bruto a los campos nombrados arriba. Segundo, una interfaz de verificación simple donde un humano abre un documento, ve los campos reconocidos superpuestos en el escaneo original y corrige cualquier cosa que el modelo haya errado antes de la aprobación. Los campos de baja confianza deben ser destacados para que la verificación sea rápida. Todo esto también debe estar disponible programáticamente: un endpoint REST que tome un archivo y devuelva JSON con campos, valores, coordenadas de caja delimitadora y confianza, además de webhooks o endpoints de estado para lotes asíncronos.
Somos flexibles en tecnología: modelos de visión en la nube, pilas de OCR de código abierto o un híbrido funcionarán siempre que la precisión sea alta y el costo por página sea predecible. Comparta ejemplos de tareas de extracción similares y evalúe honestamente la precisión en escaneos reales e imperfectos.
— Extraer campos estructurados de facturas, recibos e identificaciones
— Puntaje de confianza para cada campo con resaltado de los no confiables
— Interfaz de verificación con superposición de campos en el escaneo original
— API REST que devuelve JSON: campos, valores, coordenadas, confianza
— Procesamiento por lotes con estado asíncrono o webhooks
— Precio predecible por página y precisión documentada en escaneos
Programación web Efectivo, Transferencia bancaria
