Mistral AI ha rilasciato Mistral OCR 4.1, nuova versione del proprio modello specializzato nel riconoscimento e nella digitalizzazione dei documenti. L’aggiornamento è stato sviluppato per migliorare non soltanto l’estrazione del testo, ma soprattutto la capacità di ricostruire correttamente la struttura originale di pagine complesse, mantenendo la separazione tra colonne, immagini, tabelle, didascalie, annotazioni e altri elementi presenti nel documento. Rispetto a OCR 4, il miglioramento principale riguarda la precisione dei bounding box utilizzati per identificare la posizione dei singoli contenuti, riducendo i casi nei quali le aree vengono collocate in modo errato o finiscono per sovrapporsi tra loro.
Il modello è stato ottimizzato in particolare per i documenti multicolonna. In una pagina suddivisa in più sezioni verticali, OCR 4.1 mantiene la struttura delle singole colonne e riconosce separatamente i contenuti senza concatenarli in un ordine scorretto. La stessa capacità viene applicata anche a layout molto densi, come quelli dei quotidiani con quattro colonne sulla stessa pagina. Nei documenti tecnici e nei disegni ingegneristici il sistema distingue inoltre le diverse aree contenenti spiegazioni, note e annotazioni, evitando di unire automaticamente blocchi di testo che appartengono a parti differenti della pagina.
Mistral ha migliorato anche il trattamento delle citazioni e degli elenchi strutturati. Le versioni precedenti potevano raggruppare più riferimenti all’interno di un unico bounding box, mentre OCR 4.1 assegna un’area distinta a ciascuna citazione, preservando con maggiore precisione la struttura del documento. È stata inoltre ridotta la probabilità che alcuni blocchi di testo vengano completamente ignorati nelle pagine particolarmente complesse, un problema rilevante nei flussi automatici in cui una sezione mancante può compromettere le successive operazioni di indicizzazione, ricerca o analisi.
Anche il riconoscimento dei caratteri è stato affinato. OCR 4.1 conserva meglio la punteggiatura originale, evitando per esempio di trasformare arbitrariamente le virgolette doppie in virgolette singole, e supporta una gamma più ampia di rappresentazioni grafiche delle checkbox. È stata migliorata inoltre la gestione delle tabelle che contengono lingue scritte da destra verso sinistra, nelle quali l’ordine dei contenuti e la relazione tra celle possono risultare particolarmente difficili da ricostruire con i sistemi OCR tradizionali.
Mistral OCR 4.1 è pensato soprattutto per l’automazione documentale aziendale e per l’elaborazione su larga scala di dati non strutturati, come PDF, bilanci e rendiconti finanziari, documentazione tecnica, moduli, tabelle e archivi digitalizzati. In questi contesti la semplice estrazione delle parole non è sufficiente: per rendere il contenuto realmente utilizzabile da database, motori di ricerca, sistemi RAG o applicazioni AI successive è necessario mantenere le relazioni tra titoli, paragrafi, tabelle, immagini, note, didascalie e altre componenti della pagina.
Il modello è stato quindi ottimizzato per trasformare documenti complessi in formati più facilmente elaborabili dalle applicazioni, tra cui JSON e Markdown, conservando al contempo le informazioni necessarie per ricostruirne la gerarchia e il layout. Questo permette di utilizzare i risultati come input per pipeline di indicizzazione, sistemi di document intelligence, database aziendali e workflow automatizzati, senza dover ricostruire manualmente la relazione tra i diversi elementi estratti.
La specializzazione su un compito circoscritto distingue inoltre Mistral OCR 4.1 dall’impiego diretto di modelli linguistici multimodali generalisti. Questi ultimi possono raggiungere buoni livelli di accuratezza nella comprensione dei documenti, ma l’elaborazione di grandi quantità di pagine può diventare più costosa e aumentare la latenza. OCR 4.1 è invece progettato specificamente per la document recognition su larga scala, con particolare attenzione alla ricostruzione strutturale dei contenuti prima che vengano inviati ad altri sistemi per operazioni successive.
L’aggiornamento non richiede modifiche ai workflow già basati sul servizio di Mistral. Gli sviluppatori che utilizzano il riferimento mistral-ocr-latest ricevono automaticamente OCR 4.1 senza dover cambiare il nome del modello o intervenire sulla configurazione delle pipeline esistenti. Le nuove capacità possono quindi essere applicate direttamente ai sistemi già in produzione, mantenendo invariata l’integrazione API ma ottenendo una maggiore accuratezza nella localizzazione degli elementi e nella conservazione del layout originale dei documenti.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)