Descrição do projeto
TraduzidoTodos os dias processamos um fluxo de documentos digitalizados e estamos cansados de reescrevê-los à mão. Precisamos de um serviço que pegue uma imagem carregada ou uma digitalização de várias páginas e retorne dados estruturados limpos: não apenas uma parede de texto reconhecido, mas exatamente os campos que importam para nós. Para uma fatura, isso é fornecedor, número da fatura, data, itens, imposto e total. Para um recibo, isso é comerciante, data, valor e moeda. Para um documento de identidade, isso é nome, número do documento e data de expiração. Cada valor extraído deve ter uma pontuação de confiança para que o operador veja imediatamente quais campos confiar e quais verificar novamente. A tarefa é especificamente sobre ler e extrair dados de documentos, então não nos ofereça geração de PDF ou bibliotecas de mídia—esse é um projeto diferente.
O resultado tem duas partes que devem funcionar juntas. Primeiro, um pipeline de extração confiável: limpeza e alinhamento da imagem, OCR em diferentes qualidades de impressão e múltiplas línguas, depois uma camada de análise que mapeia o texto bruto para os campos nomeados acima. Em segundo lugar, uma interface de verificação simples onde um humano abre um documento, vê os campos reconhecidos sobrepostos à digitalização original e corrige qualquer coisa que o modelo errou antes da aprovação. Campos com baixa confiança devem ser destacados para que a verificação seja rápida. Tudo isso também deve estar disponível programaticamente: um endpoint REST que recebe um arquivo e retorna JSON com campos, valores, coordenadas da caixa delimitadora e confiança, além de webhooks ou endpoints de status para lotes assíncronos.
Estamos flexíveis em relação à tecnologia: modelos de visão em nuvem, pilhas de OCR de código aberto ou um híbrido funcionarão desde que a precisão seja alta e o custo por página seja previsível. Compartilhe exemplos de tarefas de extração semelhantes e avalie honestamente a precisão em digitalizações reais e imperfeitas.
— Extraia campos estruturados de faturas, recibos e documentos de identidade
— Pontuação de confiança para cada campo com destaque para os não confiáveis
— Interface de verificação com sobreposição de campos na digitalização original
— API REST retornando JSON: campos, valores, coordenadas, confiança
— Processamento em lote com status assíncrono ou webhooks
— Preço previsível por página e precisão documentada em digitalizações
O resultado tem duas partes que devem funcionar juntas. Primeiro, um pipeline de extração confiável: limpeza e alinhamento da imagem, OCR em diferentes qualidades de impressão e múltiplas línguas, depois uma camada de análise que mapeia o texto bruto para os campos nomeados acima. Em segundo lugar, uma interface de verificação simples onde um humano abre um documento, vê os campos reconhecidos sobrepostos à digitalização original e corrige qualquer coisa que o modelo errou antes da aprovação. Campos com baixa confiança devem ser destacados para que a verificação seja rápida. Tudo isso também deve estar disponível programaticamente: um endpoint REST que recebe um arquivo e retorna JSON com campos, valores, coordenadas da caixa delimitadora e confiança, além de webhooks ou endpoints de status para lotes assíncronos.
Estamos flexíveis em relação à tecnologia: modelos de visão em nuvem, pilhas de OCR de código aberto ou um híbrido funcionarão desde que a precisão seja alta e o custo por página seja previsível. Compartilhe exemplos de tarefas de extração semelhantes e avalie honestamente a precisão em digitalizações reais e imperfeitas.
— Extraia campos estruturados de faturas, recibos e documentos de identidade
— Pontuação de confiança para cada campo com destaque para os não confiáveis
— Interface de verificação com sobreposição de campos na digitalização original
— API REST retornando JSON: campos, valores, coordenadas, confiança
— Processamento em lote com status assíncrono ou webhooks
— Preço previsível por página e precisão documentada em digitalizações
Programação web Dinheiro, Transferência bancária
