Yüksek performanslı OCR, AI ajanları ve RAG iş akışları için
Xberg Io tarafından geliştirilen sceptre, AI iş akışları için görüntülerden ve taranmış belgelerden metin çıkaran yüksek performanslı bir OCR motorudur. Araç, bir kütüphane, bir CLI veya bir Model Context Protocol sunucusu olarak çalışır ve görsel içeriği aşağı akış modelleri için makine tarafından okunabilir metne dönüştürür. EasyOCR seviyesinde doğruluğu hedeflemek için CRAFT tespiti ve Gen2 CRNN tanıma kullanarak ONNX çalışma zamanında düşük bellek ayak izi korur. RAG sistemleri ve AI ajanları geliştiren geliştiriciler, yerel işleme için programatik bir OCR bileşeni kazanır.
Gerçekten hangi görevler için kullanabilirsiniz?
sceptre, fotoğraflar, taranmış sayfalar ve belge görüntüleri üzerinde optik karakter tanıma gerçekleştirir ve sonuçları çağıran programlara veya ajanlara sunar. Kütüphane, komut satırı aracı ve MCP sunucusu olarak dağıtılmaktadır, bu nedenle geliştiriciler çıkarımı boru hatlarına yerleştirebilir veya bunu konuşma ajanlarından çağırabilir. Tipik kullanım senaryoları, taranmış belgeleri aranabilir metne dönüştürmeyi, çıkarılan metni geri alma artırılmış üretime beslemeyi ve dizinleme için otomatik alım yapmayı içerir.
Çıktılar ne kadar doğru ve ne kadar hızlı çalışıyor?
Araç, metin yerelleştirmesi için CRAFT ile tanıma için Gen2 CRNN kombinasyonu yapar ve ONNX runtime üzerinden çıkarım gerçekleştirir; geliştirici bunu EasyOCR seviyesinde doğruluk sağladığını belirtmektedir. Çekirdek, Rust'ta uygulanmıştır ve Python tabanlı OCR yığınlarına kıyasla daha düşük bellek ayak izi ve azaltılmış gecikme üretmektedir; bu, yüksek verimlilik veya paralel çıkarım görevleri için önemli bir ayrıntıdır.
Hangi girdileri ve ortamları kabul ediyor?
sceptre, görüntü ve taranmış belge girdilerini kabul eder ve masaüstü, mobil ve WebAssembly ortamlarını hedefler. ONNX tabanlı çıkarım modeli, aracın yerel olarak çalışmasına olanak tanır ve internet bağlantısı gerektirmez; Linux, macOS, Windows, mobil platformlar ve WASM için özel sürümler mevcuttur. Yerel yürütme, ekiplerin bulut yüklemelerinden kaçınması gerektiğinde yerinde veri işleme korur.
Ajan ve RAG iş akışlarına entegre etmek kolay mı?
Yerel Model Bağlam Protokolü desteği, aracı doğrudan konuşmalar sırasında AI ajanları tarafından kullanılabilir hale getirir; bu, ajan oturumları içinde programatik metin çıkarımını mümkün kılan açık bir tasarım noktasını ifade eder. Geliştirici, RAG sistemleri ve otomatik ajanlar inşa eden yazılım mühendisleri ve araştırmacılar için sceptre'yi çerçevelendirir; entegrasyon çalışmaları, çağrıları gömme, dönen metni işleme ve aşağı akış doğrulaması veya düzen-spesifik sonrası işleme eklemeye odaklanır.
Mühendislik entegrasyonu bekleyen geliştirici odaklı bir OCR bileşeni
sceptre, otomatik boru hatları ve ajan iş akışları için son kullanıcı tarama uygulaması yerine programatik bir OCR bileşenine ihtiyaç duyan mühendislik ekipleri ve araştırmacılar için uygundur. Aracı, karmaşık, gürültülü veya çok sütunlu belgeler için düzenleme heuristikleri, yazım denetimi veya manuel inceleme ile eşleştirmeyi bekleyin. Alım ve doğrulama adımlarını betikleyebilen ekipler için, model odaklı sistemler içinde öngörülebilir, yerel metin çıkarımı sunar.
