ABBYY представила FineParser — self-hosted инструмент, который превращает сканы и PDF в структурированный текст для дальнейшей работы LLM. Ставка сделана на предсказуемость: сначала аккуратное «прочтение» документа, потом — генерация и ответы.
Большая часть проблем с «умными» помощниками в работе с документами начинается не на этапе генерации, а раньше — когда модель просто получает на вход плохо распознанный текст. ABBYY решила закрыть именно этот слой и выпустила FineParser: self-hosted инструмент, который превращает изображения и документы в структурированные данные, чтобы их было проще и безопаснее использовать в ИИ-сценариях.
Что такое FineParser и зачем он нужен
FineParser — это упакованный в Docker контейнер сервис, который запускается на CPU и не требует GPU. Он построен вокруг OCR-движка FineReader и предназначен для «чтения» документов до того, как они попадут в LLM: извлекает текст и структуру, стараясь сохранить исходную логику страницы.
Ключевая идея: генеративные модели хорошо отвечают на вопросы и обобщают, но плохо терпят входные данные, где таблица превратилась в набор строк, а колонки перепутали порядок. Поэтому FineParser делает сначала детерминированное распознавание, а LLM подключается уже после — когда есть понятная разметка.
Чем это отличается от «просто OCR»
В обычном «скан → текст» часто теряется контекст: что было заголовком, где начинается новая колонка, как читать таблицу и в каком порядке идут блоки. В FineParser акцент на структуре — распознавании колонок в правильном порядке чтения, заголовков и таблиц (включая таблицы без линий).
Сохранение разметки: сервис старается вернуть не «кашу» из строк, а документ, пригодный для поиска, анализа и ответа на вопросы.
Языки и «сложные места»: заявлена поддержка более 200 языков, а также обработка рукописного текста.
Как разработчикам подключать FineParser
FineParser можно использовать как сервис в инфраструктуре: загружать документы через REST API и получать результат в нескольких форматах. Помимо обычного текста и JSON, предусмотрен компактный формат DocLang — он рассчитан на то, чтобы «кормить» LLM входом меньшего объёма без потери структуры.
Это удобно для типовых задач:
RAG и корпоративный поиск: сначала корректно распознать и разметить документацию, договоры, инструкции, счета, а уже потом строить поиск/ответы.
Миграции в CMS/ECM: когда нужно поднять архив сканов и «оживить» его в современном документообороте.
Производственные пайплайны: где важно, чтобы результат распознавания был воспроизводимым (один и тот же вход → один и тот же выход), а генерация шла отдельным шагом и отдельно контролировалась.
Лицензирование и ограничения, о которых важно знать
FineParser не является open source. Для знакомства есть бесплатный уровень: до 1000 страниц в месяц в течение одного года. Для подписочных уровней используется проверка через сервер лицензий, а полностью офлайн-развёртывание, по информации ABBYY, доступно только в Enterprise-плане.
Практический вывод: продукт выглядит как «кирпичик» для компаний, которые уже экспериментируют с LLM, но упираются в качество входных данных. Если документы — это таблицы, формы и сканы, то точное распознавание и сохранение структуры часто даёт больше пользы, чем попытка заставить модель «догадаться», как всё должно было выглядеть.
Источник: The Register
