الأرشيف العربي الممسوح ضوئيًا ليس أرشيفًا قابلًا للبحث.
المستندات العربية الورقية طريق مسدود لمعظم أنظمة الذكاء الاصطناعي. الخط المتصل والتشكيل والاتجاه من اليمين لليسار والنماذج المعقدة تُعطّل أدوات التعرف الضوئي العامة، فتبقى الأرشيفات الحكومية الممسوحة والعقود والمخطوطات غير قابلة للبحث.
يُقدَّم عبر
يحوّل بصير الأرشيفات الممسوحة ضوئيًا إلى Markdown منظم وقابل للبحث، ويحوّل بصير إكستراكت ذلك إلى بيانات، من بنود الفواتير وبنود العقود وحقول النماذج، يمكن لنظام تخطيط الموارد أو مسار العمل استهلاكها مباشرة.
لماذا ينجح هذا مع العربية بينما يخفق التعرف الضوئي العام
مُدرَّب على الخط، لا مُكيَّف معه
بصير نموذج رؤية ولغة بثلاثة مليارات معامل، ضُبط خصيصًا للعربية على مجموعة بيانات واسعة تجمع بين مستندات عربية اصطناعية وأخرى واقعية. الخط المتصل والتشكيل والتنوع الطباعي الإقليمي هي ما بُني من أجله.
البنية تبقى بعد القراءة
أدوات التعرف الضوئي المعتادة تعيد سلسلة نص خام. أما بصير فيقرأ الأعمدة والجداول والعناوين وتسلسل التخطيط، ثم يُخرج Markdown نظيفًا يمكن فهرسته والبناء عليه.
مقيس على معيار عربي
تُقاس الدقة على Misraj-DocOCR، وهو معيار عربي للتعرف الضوئي راجعه خبراء وبنيناه ونشرناه، لا على مجموعة اختبار إنجليزية أُضيفت إليها العربية لاحقًا.
ماذا يقرأ، وماذا يُعيد
فهم التخطيط
الصفحات متعددة الأعمدة والجداول المضمّنة والتنسيقات المعقدة تعود ببنيتها المنطقية سليمة، لا مبعثرة في كتلة نص مسطّحة.
دعم عربي أصيل
الخط المتصل والخطوط المتنوعة والتشكيل والاتجاه من اليمين إلى اليسار والتنوع الطباعي الإقليمي، وهي مواضع الإخفاق التي تُعثِر أدوات التعرف الضوئي العامة في العربية.
استخراج الحقول، لا النص فقط
يحوّل بصير إكستراكت القراءة إلى بيانات: بنود الفواتير، وبنود العقود وتواريخها، وحقول النماذج، ووثائق الهوية، تُسلَّم مخرجات منظمة يستهلكها نظام تخطيط الموارد أو مسار العمل مباشرة.
الخط اليدوي
يتولى إصدار نكبة الكتابة اليدوية العربية، فيصبح المخطوط أو النموذج المعبّأ يدويًا ضمن النطاق لا استثناءً منه.
الأرقام وراءه
- 0.25معدل خطأ الكلمة على Misraj-DocOCR، وهو أفضل أداء في التعرف الضوئي على المستندات العربية
- 3Bنموذج رؤية ولغة بثلاثة مليارات معامل، مضبوط للعربية
ما الذي يتغير
الأرشيف يصبح قابلًا للبحث
السجلات الحكومية والعقود والمخطوطات الممسوحة تكفّ عن كونها صورًا وتصير نصًا يستطيع محرك البحث ومسار الاسترجاع المعزز استخدامه فعليًا.
لا أحد يعيد كتابة مستند
تنتقل المخرجات المنظمة مباشرة إلى النظام المستقبِل، فتخرج من العملية خطوة إعادة الإدخال اليدوي ومعدل الخطأ المصاحب لها.
التراكمات تتوقف عن كونها دائمة
يصبح الحجم مسألة إنتاجية لا مسألة توظيف، وهذا هو الفرق بين تصفية التراكم والتعايش معه.
كيف يُنشر
واجهة برمجية سحابية
عبر كون كونسول، للفرق التي تبني مسارات استرجاع معزز أو تطبيقات مستندات فوقه.
نشر محلي داخل مؤسستك
للجهات ذات متطلبات سيادة البيانات: لا تغادر المستندات بيئتك.
استخدام مباشر
استخدمه كمنتج على baseerocr.com دون مشروع تكامل.
حسب القطاع
لنتحدث عمّا تحاول بناءه.
أخبرنا بالمشكلة، وسنخبرك بصراحة إن كان الذكاء الاصطناعي هو الحل الصحيح.