text-extract-api
خدمة FastAPI لتحويل المستندات إلى JSON مهيكل أو Markdown باستخدام نماذج الرؤية المحلية وإزالة معلومات التعريف الشخصية (PII).
استخراج الجداول والنصوص وJSON من مستندات التأمين باستخدام نماذج الرؤية الكبيرة المحلية وPyTorch OCR.
هذه الأداة هي خدمة API استضافة ذاتية لاستخراج البيانات المهيكلة وإزالة معلومات التعريف الشخصية من المستندات الممسوحة ضوئياً وملفات PDF. يمكن فرق التقنية في قطاع التأمين معالجة المطالبات والفواتير والسجلات الطبية بالكامل داخل المقر (on-premise) باستخدام Ollama ونماذج رؤية PyTorch. توفر بنية مدعومة بطابور انتظار مصممة للأتمتة الخلفية عالية الإنتاجية.
ما هو
تقوم بتحويل ملفات PDF والصور ومفات Office إلى تنسيق Markdown أو JSON نظيف مع التعامل مع البيانات الجدولية والنماذج المتخصصة. تقرن الخدمة الأساسية EasyOCR أو نماذج الرؤية المحلية بعمال Celery وذاكرة التخزين المؤقت Redis لتنفيذ خطوط أنابيب الاستخراج دون إرسال بيانات حساسة خارج شبكتك.
لمن هو
تتناسب مع مطوري قطاع التأمين ومهندسي البيانات الذين يحتاجون إلى تحليل نماذج المطالبات الحساسة وإخفاء هوية سجلات العملاء على الأجهزة المحلية. وهي لا تتناسب مع الفرق غير التقنية التي تبحث عن واجهة مستخدم رسومية جاهزة للاستخدام الفوري.
أهم الميزات
معالجة رؤية OCR المحلية
تشغيل نماذج PyTorch OCR والنماذج الكبيرة المحلية عبر Ollama للحفاظ على سجلات التأمين الحساسة داخل بيئتك.
حجب معلومات التعريف الشخصية تلقائياً
استخراج نص المستند مع تحديد وتجريد معلومات التعريف الشخصية قبل التخزين اللاحق.
طابور غير متزامن مع Celery
استخدام عمال Celery وذاكرة التخزين المؤقت Redis لمعالجة دفعات المستندات ذات الحجم الكبير بالتزامن.
تحليل مخرجات مرن
تحويل الجداول المعقدة والفواتير والتقارير إلى تنسيق Markdown أو مخططات JSON مهيكلة.
تكامل محرك عن بعد
دعم مغلفات OCR الخارجية مثل Marker-pdf عبر نقاط نهاية API للتخطيطات المعقدة متعددة اللغات.
جاهز للعمل في 3 خطوات
حكمنا الصادق
ما يميّزه
- تبع تبعيات سحابية خارجية معدومة تحافظ على ملفات المطالبات الحساسة بدقة على البنية التحتية المحلية.
- تمنع ذاكرة التخزين المؤقت Redis المعالجة الزائدة عند تشغيل مهام استخراج النماذج الكبيرة المتكررة.
- تدعم كل من محركات OCR القياسية والنماذج الكبيرة القادرة على الرؤية مثل Llama 3.2 Vision وMiniCPM-V.
- تتضمن واجهة سطر أوامر مخصصة (CLI) لاختبار ملفات الموجه مقابل المستندات المعقدة.
أين يقصّر
- يتطلب أجهزة مخصصة أو موارد وحدة معالجة رسومات (GPU) لتشغيل نماذج الرؤية الكبيرة بأداء مقبول.
- إعداد العمال وRedis ونماذج Ollama يتطلب خبرة كبيرة في DevOps وPython.
- استخدام محركات OCR المرخصة بـ GPL مثل Marker يتطلب نشر خادم منفصل لتجنب تلوث التراخيص.
- استراتيجية Llama 3.2 Vision يمكن أن تكون بطيئة جداً عند معالجة دفعات المستندات الكبيرة متعددة الصفحات.
التسعير والرخصة
البرنامج مجاني للاستخدام بموجب ترخيص MIT. التكلفة الوحيدة تأتي من تشغيل خوادم الحوسبة وموارد وحدات معالجة الرسومات (GPU) المحلية المطلوبة لمعالجة المستندات.
وظائف للناطقين بالعربية
880 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
البدائل
استخدمه، أو دعنا نُعِدّه لك
الأسئلة الشائعة
هل يمكنني تشغيل هذا دون إرسال البيانات إلى مزودي السحابة الخارجيين؟
نعم، خط الأنابيب الكامل بما في ذلك PyTorch OCR ونماذج Ollama وRedis وFastAPI يعمل بالكامل على جهازك المحلي أو خادمك الخاص.
كيف تقوم الأداة بتجريد بيانات العميل الحساسة؟
يمكنك تمرير ملفات موجه مخصصة (prompts) أثناء الإرسال لإرشاد النموذج الكبير المدمج لتنظيف معلومات التعريف الشخصية قبل إرجاع مخرجات JSON.
هل يمكنه تحليل الجداول المعقدة في تقارير الطبي أو المطالبات؟
نعم، نماذج الرؤية الأساسية واستراتيجيات OCR تحول البيانات الجدولية المعقدة إلى Markdown أو JSON مهيكل.
