text-extract-api
स्थानीय विजन मॉडल का उपयोग करके दस्तावेजों को संरचित JSON या Markdown में बदलने और PII हटाने के लिए FastAPI सेवा।
स्थानीय विजन LLM और PyTorch OCR का उपयोग करके बीमा दस्तावेजों से टेबल, टेक्स्ट और JSON निकालें।
यह टूल स्कैन किए गए दस्तावेजों और PDF से संरचित डेटा निकालने और PII हटाने के लिए एक self-hosted API सेवा है। बीमा तकनीकी टीमें Ollama और PyTorch विजन मॉडल का उपयोग करके पूरी तरह से on-premise दावों, चालानों और चिकित्सा रिकॉर्ड को संसाधित कर सकती हैं। यह उच्च-थ्रूपुट बैकएंड स्वचालन के लिए डिज़ाइन किया गया एक कतार-समर्थित आर्किटेक्चर प्रदान करता है।
यह क्या है
यह सारणीबद्ध डेटा और विशेष रूपों को संभालते हुए PDF, छवियों और Office फ़ाइलों को साफ Markdown या JSON प्रारूप में परिवर्तित करता है। कोर सेवा संवेदनशील डेटा को आपके नेटवर्क के बाहर भेजे बिना निष्कर्षण पाइपलाइन निष्पादित करने के लिए EasyOCR या स्थानीय विजन LLM को Celery वर्कर और Redis कैशिंग के साथ जोड़ती है।
किसके लिए
यह बीमा डेवलपर्स और डेटा इंजीनियरों के लिए उपयुक्त है जिन्हें स्थानीय हार्डवेयर पर संवेदनशील दावा रूपों को पार्स करने और ग्राहक रिकॉर्ड को गुमनाम करने की आवश्यकता है। यह गैर-तकनीकी टीमों के लिए उपयुक्त नहीं है जो बॉक्स से बाहर उपयोग के लिए तैयार ग्राफिकल यूजर इंटरफेस की तलाश कर रहे हैं।
मुख्य विशेषताएँ
स्थानीय विजन OCR प्रोसेसिंग
संवेदनशील बीमा रिकॉर्ड को आपके वातावरण के भीतर रखने के लिए Ollama के माध्यम से PyTorch OCR मॉडल और स्थानीय LLM चलाता है।
स्वचालित PII रिडैक्शन
डाउनस्ट्रीम स्टोरेज से पहले व्यक्तिगत रूप से पहचान योग्य जानकारी की पहचान करते हुए और उसे हटाते हुए दस्तावेज़ पाठ निकालता है।
Celery के साथ अतुल्यकालिक कतार
उच्च-वॉल्यूम दस्तावेज़ बैचों को एक साथ संसाधित करने के लिए Celery वर्कर और Redis कैशिंग का उपयोग करता है।
लचीला आउटपुट पार्सिंग
जटिल तालिकाओं, चालानों और रिपोर्टों को स्वरूपित Markdown या संरचित JSON स्कीमा में परिवर्तित करता है।
रिमोट इंजन एकीकरण
जटिल बहु-भाषा लेआउट के लिए API समापन बिंदुओं के माध्यम से Marker-pdf जैसे बाहरी OCR रैपर का समर्थन करता है।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- शून्य बाहरी क्लाउड निर्भरताएँ संवेदनशील दावा फ़ाइलों को कड़ाई से स्थानीय बुनियादी ढाँचे पर रखती हैं।
- पुनरावर्ती LLM निष्कर्षण कार्य चलाते समय Redis कैशिंग अतिरेक प्रसंस्करण को रोकता है।
- मानक OCR इंजन और Llama 3.2 Vision और MiniCPM-V जैसे विजन-सक्षम LLM दोनों का समर्थन करता है।
- जटिल दस्तावेजों के खिलाफ प्रॉम्प्ट फाइलों का परीक्षण करने के लिए एक समर्पित कमांड-लाइन इंटरफ़ेस शामिल है।
कहाँ कमी है
- स्वीकार्य प्रदर्शन के साथ विजन LLM चलाने के लिए समर्पित हार्डवेयर या GPU संसाधनों की आवश्यकता होती है।
- वर्कर, Redis और Ollama मॉडल स्थापित करने के लिए महत्वपूर्ण DevOps और Python विशेषज्ञता की आवश्यकता होती है।
- लाइसेंस संदूषण से बचने के लिए Marker जैसे GPL-लाइसेंस प्राप्त OCR इंजनों का उपयोग करने के लिए अलग सर्वर तैनाती की आवश्यकता होती है।
- बड़े बहु-पृष्ठ दस्तावेज़ बैचों को संसाधित करते समय Llama 3.2 Vision रणनीति बहुत धीमी हो सकती है।
मूल्य & लाइसेंस
यह सॉफ्टवेयर MIT लाइसेंस के तहत उपयोग करने के लिए स्वतंत्र है। एकमात्र लागत दस्तावेजों को संसाधित करने के लिए आवश्यक कंप्यूट सर्वर और स्थानीय GPU संसाधनों को संचालित करने से आती है।
हिंदी बोलने वालों के लिए जॉब्स
879 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
क्या मैं बाहरी क्लाउड प्रदाताओं को डेटा भेजे बिना इसे चला सकता हूँ?
हाँ, PyTorch OCR, Ollama मॉडल, Redis और FastAPI सहित पूरी पाइपलाइन पूरी तरह से आपके अपने स्थानीय कंप्यूटर या निजी सर्वर पर चलती है।
टूल संवेदनशील क्लाउड डेटा को कैसे हटाता है?
JSON आउटपुट लौटने से पहले व्यक्तिगत रूप से पहचान योग्य जानकारी को साफ़ करने के लिए एकीकृत LLM को निर्देश देने के लिए आप सबमिशन के दौरान कस्टम प्रॉम्प्ट फ़ाइलें पास कर सकते हैं।
क्या यह चिकित्सा या दावों की रिपोर्ट में जटिल तालिकाओं को पार्स कर सकता है?
हाँ, अंतર્ગत विजन मॉडल और OCR रणनीतियाँ जटिल सारणीबद्ध डेटा को संरचित Markdown या JSON में परिवर्तित करती हैं।
