بصير: النموذج الرؤيوي اللغوي من مسراج لفهم المستندات العربية وتحويلها إلى Markdown
بصير نموذج رؤيوي لغوي من مسراج، يحوّل صور المستندات العربية وملفات PDF إلى نص Markdown منظم. دُرّب على ~750 ألف صفحة، ويتفوق على جميع النماذج في هذا المجال.
نفهم بعمق. نبني من الأصل. ونشغّل بثقة.
مستندات يغيّر فيها تفصيل واحد النتيجة
التعرّف الضوئي على العربية صعب فعلًا: خط متصل، وخطوط طباعية متنوعة، وتشكيل، واتجاه من اليمين إلى اليسار، وتنويعات طباعية إقليمية. بصير نموذج رؤية ولغة مضبوط لهذا تحديدًا، ويُخرج Markdown نظيفًا يحفظ تسلسل المستند. ثم يعيد بصير الاستخراج البنود والتواريخ والأطراف كحقول يستطيع نظام قائم أخذها.
استكشف بصير OCRيتعامل مترجم مع الجمل الطويلة المعقدة في الاتجاهين، وبُني ليصمد في المجالات الصعبة لا ليقرأ بسلاسة فحسب. ويعيد سديد التشكيل، فتعمل فهارس البحث والترجمة والتحليل اللاحق على نص غير غامض من الأساس بدلًا من التخمين.
استرجاع فوق مخازن المستندات الداخلية، مع تولّي عائلة Kawn-Embed للعربية، يعيد الفقرة والملف الذي جاءت منه لا إعادة صياغة بلا مصدر. ويعمل داخل بيئتك، وهو ما يجعله صالحًا للاستخدام على المواد المحمية أصلًا.
استكشف سيمليس للمؤسساتبصير الاستخراج يقرأ الملف، وسيمليس للمؤسسات يجيب منه، وصدى يحوّل الجلسة إلى سجل. ثلاثة منتجات ونطاق واحد ولا شيء يغادر المكتب.
بصير نموذج رؤيوي لغوي من مسراج، يحوّل صور المستندات العربية وملفات PDF إلى نص Markdown منظم. دُرّب على ~750 ألف صفحة، ويتفوق على جميع النماذج في هذا المجال.
تعيد معظم أدوات استخراج النصوص من ملفات PDF النصَّ العربي معكوسًا أو مشوّهًا دون أي تحذير. قلم (qalam) مكتبة مفتوحة المصدر من مسراج، نواتها بلغة Rust ولها واجهة Python، تستخرج النص العربي من ملفات PDF الرقمية بترتيبه الصحيح، وتخبرك بكل صفحة لم تستطع قراءتها.
مقارنة خمسة عشر نظامًا ونموذجًا لقراءة المستندات على معيار Misraj-DocOCR المفتوح المكوّن من 400 صفحة عربية: معدل أخطاء الكلمات والحروف، ودقة بنية الجداول، وكيف تختار النموذج المناسب.
كل حل جيد يبدأ بسؤال واضح. اسألنا، وفريقنا معك من السؤال إلى الحل.