你是否也曾經遇過這樣的狀況？OCR 雖然能幫你把支票轉成文字內容，但轉出來的結果還是得靠人眼一欄一欄去看、去整理，才能填進後續系統裡。這類資料輸入的工作不難，但非常耗時。尤其是文件格式固定、欄位重複性高的情況，其實是最適合交給 AI 模型處理的場景。
韜睿軟體實作了一個微調(fine-tuning)任務：讓語言模型讀懂 AI OCR 後的支票內容，並自動輸出成 JSON 結構，直接可供系統使用。
Category: OCR
跟辨識相關應用
大語言模型遇上視覺理解：VLM、OCR、LLM 的強強聯手
相信大家都已經很熟悉LLM (Large Language Model, 大語言模型)，不過其實現今的大模型已經可以做到多模態(MutilModel)的應用，也就是LLM不在只是可以看懂文字，甚至可以看懂圖片、描述圖片等等，在這個「看」的領域中除了過往的電腦視覺(Computer Vision；CV)，因應大模型開始有了VLM(Vision Language Models, 視覺語言模型 )．
本篇文章說明VLM、Computer Vision、OCR差異
大語言模型(LLM)與文字辨識(OCR)融合：引領文字識別新時代
企業內部有許多的作業可以做流程自動化，但牽涉的範圍很廣，韜睿透過模擬人的感官方式，Smart Detector代表人的眼睛，可以幫你處理掉重複的登打作業，而韜睿研發的LLM搭配Smart Detector更可以像是人類的大腦與眼睛的結合，讓各式紙本、圖片可以快速錄入，進行後面的自動化流程．
Smart Detector具備先進LLM技術，也具備輕量化的AI表單抽取技術，讓使用者可以依據場景自行選擇要用的方式，完成企業內文件自動擷取，可進行不同作業如:
自動化: 透過辨識完成，可以抓出關鍵資訊進行分類歸檔．
結構化: 將複雜紙本文件轉換成結構化資訊．
數據化: 將這些資料更有效收集分析與決策判斷．
運用智慧文件處理與GenAI，帶領你擺脫繁瑣的重複性任務，享受準時下班的自由
相信很多人應該都有一個經驗，在傳送或收到一些文字圖片後，可以使用過Line中的OCR(Optical Character Recognition；光學字元辨識)，輕鬆的將文字辨識出來再貼到訊息中，使用起來很方便，不用在一個個字打．
由於Gen AI(Generative Artificial Intelligence ; 生成式 AI)的興起，大家開始意識到Office Automation(辦公室自動化)的方便性與必要性，尤其是許多文件需要轉錄到其他的系統或文件上，過往都需要手工複製貼上，有了AI的輔助就可以事半功倍．
但是如果要建立這樣IDP(Intelligent Document Processing；智慧文件處理)應用服務，需要複雜的IT技術與環境或是昂貴的機器，另外就是一般的文字辨識就是將所有文字辨識出來，自己還要手工選取貼上，那有沒有一個更便利的方式？
因此韜睿軟體推出Swift OCR Portal ，透過眼睛(OCR)加上大腦(NLP/LLM)讓使用者快速提取想要的資訊，以簡單且節省成本的方式，讓使用者快速提取常見的文件，並且提供結構化的格式，快速應用在實際的業務流程上．
