MistralAI釋出號稱最強OCRAPI：能解鎖90％非結構化資料，1美元搞定2000頁文件

作者 | 冬梅

今天，法國 AI 明星創企 Mistral AI 釋出了一款名為 Mistral OCR 的光學字元識別（OCR）API，它可以幫助企業更好地理解和處理各種文件。簡單來說，就是讓電腦不僅能“看到”紙上的文字，還能“理解”這些文字的意思，幫助企業更高效地工作。

該 API 可以從非結構化的 PDF 和影像中高精度地提取內容（包括手寫筆記、鍵入的文字、影像、表格和方程式），並以結構化格式呈現。

結構化資料就像表格一樣，有行有列，方便搜尋和分析，比如資料庫裡的名字、地址或財務記錄。而非結構化資料則沒有固定格式，比如郵件、社交媒體內容、影片、圖片和音訊，處理起來更麻煩，通常需要用到自然語言處理（NLP）和機器學習（ML）這樣的高階技術。

對於企業來說，搞清楚這兩種資料的區別很重要，這樣才能更好地管理和利用自己的資訊。Mistral OCR 支援多種語言，處理速度快，還能結合大型語言模型（LLM）來理解文件內容，幫助企業把文件整理得井井有條，為 AI 應用做好準備。

根據 Mistral 釋出新 API 的部落格文章，90% 的商業資訊都是非結構化的，因此對於尋求數字化和分類資料以用於 AI 應用程式或內部 / 外部知識庫的組織來說，新 API 應該是一個巨大的福音。

那麼，Mistral OCR 有哪些特點，能完成哪些具體的工作？

據 Mistral AI 介紹，Mistral OCR 具備以下幾個特點：

原生支援多語言和多格式：Mistral OCR 能夠識別和處理數千種文字、字型以及語言，以及不同的文件佈局，這對於跨國公司和國際組織來說極為重要。
處理速度很快，單節點每分鐘可處理 2000 頁。
保持文件結構：與普通的 OCR 技術不同，Mistral OCR 在轉換文件時能夠保留原有的格式，如標題、段落、列表和表格等，這使得提取的文字更加有序，便於後續使用。
靈活的輸出格式：使用者可以根據需要提取文件中的特定資訊，並將其轉換為結構化的資料格式，如 JSON 或 Markdown，這樣可以輕鬆地將資料整合到其他 AI 系統中。
自託管選項：對於對資料安全和合規性有嚴格要求的企業，Mistral OCR 提供了自託管的解決方案，允許企業在自己的伺服器上部署該技術，確保資料的安全。

此外，Mistral OCR 不僅僅是一個文字識別工具，它還具備文件理解的能力。在提取文字和結構之後，它可以與大型語言模型結合，使使用者能夠透過自然語言與文件內容進行互動。這意味著使用者可以進行以下操作：