Surya — разбор и оцифровка документов

★ 21.3K

Surya — это открытый инструмент разбора документов: распознавание текста, анализ структуры страницы, определение порядка чтения и разбор таблиц. Его берут, когда документы нужно оцифровать качественно и на многих языках: поддерживается распознавание на 91 языке, включая сложные письменности. В отличие от простого извлечения букв, Surya понимает устройство страницы — где заголовок, где колонки, в каком порядке читать, где границы таблицы, — поэтому результат сохраняет структуру исходника. Полезен для оцифровки архивов, многоязычных документов, форм и научных материалов, а также как основа для собственного конвейера обработки документов. В основе — компактная модель, работающая на обычном железе. Направление одно: изображение документа в структурированный текст.