Otwarty czytnik dokumentów od Xiaomi przegrywa na fakturach

30 września producent telefonów Xiaomi opublikował na Hugging Face (serwisie z gotowymi modelami AI) model Xiaomi-OCR-0, czyli OCR: program czytający tekst ze skanów i zdjęć dokumentów, także faktur. Ma 0,8 miliarda parametrów (to liczba ustawień wewnętrznych modelu) i licencję Apache 2.0, pozwalającą na użycie komercyjne. Na fakturach wypada słabiej. W teście producenta ma 65,00%, a model Qwen3.5-2B 77,00%.

Xiaomi-OCR-0 przepisuje tekst, a według karty modelu także wyciąga z dokumentu wskazane pola i odpowiada na pytania o treść. Producent podaje 96,83 w teście OmniDocBench v1.6, czyli publicznym zbiorze stron PDF z różnymi rodzajami dokumentów. Według producenta to drugie miejsce.

Serwis Pasquale'a Pillitteriego zaznacza 30 października, że każdy wynik rozbioru dokumentów zmierzył zespół, który zbudował model. To dane producenta.

Raport techniczny z 28 września, opublikowany na arXiv (serwisie z publikacjami naukowymi), opisuje własny test Xiaomi: zdjęcia dokumentów i zrzuty ekranu z aplikacji, w tym pola dokumentów, dane lotów i adresy. W podziale na sześć kategorii dokumentów model prowadzi w pięciu. Szóstą są faktury.

Autorzy piszą wprost, że wyciąganie adresów i danych z faktur pozostaje celem dalszej pracy nad danymi. Adresy wypadają słabo u obu porównywanych modeli: 45,93% i 45,30%.

Pillitteri pisze, że karta modelu nie wymienia obsługiwanych języków, a przytaczane testy opierają się głównie na dokumentach angielskich i chińskich. Wyniku dla polskich liter ą, ę, ł i ż nie podaje żadne z przejrzanych źródeł. Polskie faktury wymagają więc własnej próby.

• Według Pillitteriego przykładowy kod z karty modelu sam wybiera sprzęt: kartę graficzną Nvidii, układ Apple albo procesor, więc karta graficzna nie jest konieczna.
• Paczka społeczności w formacie GGUF (format plików do uruchamiania modeli na własnym komputerze, na przykład w programie Ollama) zawiera model tekstowy z modułem obrazu i waży około 1,8 GB.
• Producent nie oceniał tych konwersji. Instrukcja dla Ollamy ostrzega, żeby z udanego importu ani z małego testu nie wnioskować o równej dokładności.

W karcie modelu nie ma wymagań co do pamięci RAM ani czasu przetwarzania jednej strony.

Od 1 stycznia 2027 dokumentowanie sprzedaży e-fakturami w KSeF (Krajowym Systemie e-Faktur, państwowej platformie do e-faktur) stanie się obowiązkowe dla wszystkich podatników, pisze poradnikprzedsiebiorcy.pl w tekście z 7 maja. Serwis jpk.info.pl w wersji zaktualizowanej 30 kwietnia podaje, że technologia OCR pozostanie potrzebna jedynie przy fakturach papierowych spoza KSeF. Czytnik trzeba więc oceniać na papierze.