PDF Commander обновил OCR: нейросети и ручная сегментация текста

Разработчики российского редактора PDF Commander представили масштабное обновление модуля распознавания текста (OCR). Программа получила нейросетевой алгоритм для работы со сложными макетами и поддержку более 100 языков, что должно упростить оцифровку архивов и интеграцию документов в CRM-системы.

Работа с «нечитаемыми» сканами долгое время оставалась узким местом в делопроизводстве: данные из таких файлов невозможно скопировать или найти через поиск без ручного перенабора. Обновленный алгоритм PDF Commander решает эту задачу через гибридный подход. Пользователям стали доступны два режима: «быстрый» для качественных сканов и «интеллектуальный», который задействует нейросети для расшифровки мелких шрифтов и документов с низким разрешением.

Нейросети и точность верстки

Главным технологическим изменением стала возможность ручной сегментации макета. Теперь пользователь может самостоятельно разметить области документа, указав программе, где находятся таблицы, где — текстовые колонки, а где — иллюстрации. Такой подход исключает ошибки при распознавании нестандартных бланков, юридических договоров и бухгалтерской отчетности.

Дополнительно разработчики внедрили поддержку более 100 языков, пакеты которых загружаются из облака по мере необходимости. Это расширяет возможности работы с иностранными контрагентами и международной документацией.

Оцифровка для бизнеса и госсектора

По словам представителей компании, обновление OCR-модуля продиктовано ростом объема электронного документооборота. Новые инструменты адаптированы под конкретные бизнес-задачи:

• извлечение данных для интеграции в системы CRM и ERP;
• массовая оцифровка бумажных архивов и библиотечных фондов;
• подготовка сканов к полноценному редактированию с сохранением структуры.

Функционал ориентирован на юристов, бухгалтеров и архивистов, а также на государственные и образовательные организации, работающие с большими массивами бумажных документов.