มาแล้ว Typhoon OCR! AI ดึงข้อมูลจากภาพถ่าย รองรับ รูปภาพ ตาราง ลายมือ ใช้ได้ทั้งไทย-อังกฤษ

Typhoon โมเดล LLM ของไทยที่พัฒนาโดย SCB10X เปิดตัวฟีเจอร์ใหม่ Typhoon OCR เอา AI มาช่วยดึงข้อมูลจากเอกสาร รองรับ รูปภาพ ตาราง ลายมือ รองรับทั้งไทย-อังกฤษ

เทคโนโลยี OCR แบบเดิมนั้นจะใช้ Convolutional Neural Networks (CNNs) ทำงานร่วมกับ RNNs หรือ Transformers แปลงภาพเป็นข้อความ แต่ก็มีข้อจำกัดหลายอย่าง

• หากเอกสารมีความซับซ้อนจะไม่สามารถแยกแยะตาราง หัวข้อ คอลัมน์ หรือเนื้อหาหลายรูปแบบได้
• ไม่เข้าใจแผนภูมิ แผนผัง และรูปภาพ
• การดึงข้อมูลจาก PDF จะใช้วิธีเปลี่ยนเป็นภาพก่อน ทำให้ข้อมูล metadata สำคัญๆ ไม่ตามมาด้วย เช่น ลำดับการอ่าน ตำแหน่งของข้อความ และคำอธิบาย
• OCR แบบเดิมจะไม่เข้าใจบริฐทของเนื้อหาทั้งหมด เพราะใช้การประมวลผลแบบรายบรรทัด ทำให้ไม่สามารถเชื่อมโยงข้อมูล สรุปเนื้อหาหรือการค้นหาอัจฉริยะได้

ทาง SCB 10X ได้อัปเกรด Typhoon แก้ปัญหาเหล่านี้ด้วย OCR โอเพ่นซอร์สรุ่นล่าสุด ที่พัฒนาโดย Vision-Language Model ทำให้เข้าใจโครงสร้างของเอกสาร เช่น เลย์เอาต์ ตาราง กราฟ และรูปภาพได้ แถมเข้าใจเอกสารภาษาไทย ตัวเลขไทย แม่นยำกว่าทั้ง GPT-4o และ Gemini 2.5 Flash

นอกจากแยกข้อความที่ต้องการออกมาจากในภาพได้แล้ว Typhoon OCR ยังสามารถสร้างข้อมูลเพื่อการสืบค้น (Retrieval-Augmented Generation – RAG), แยกวิเคราะห์และเข้าใจเอกสาร และอ่านตาราง แผนภูมิ และแบบฟอร์มอย่างแม่นยำ ทำให้รองรับการใช้งานจริงกับเอกสารหลากหลายประเภท ไม่ว่าจะเป็นแบบฟอร์ม, เอกสารราชการ, รายงาน, ตารางข้อมูล, งบการเงิน จนไปถึงกราฟและอินโฟกราฟิก พร้อมแปลงเป็นคำอธิบายที่เข้าใจง่าย

ใครอยากทดลองใช้งานสามารถเข้าไปได้ที่ OCR Playground  เนื่องจากตอนนี้มีคนสนใจเข้ามาใช้งานเป็นจำนวนมาก ทำให้บางช่วงนั้นอาจจะมีการทำงานผิดพลาดขึ้น error ได้

ที่มา opentyphoon

dailygizmo

นักเขียนสาย Introvert ที่ชื่นชอบเรื่องนวัตกรรมและความคิดสร้างสรรค์ ใช้เวลาว่างกับ มังงะ, เสียงเพลงและ idol