Teklia
AI dokumen purba yang digunakan Louvre dan Perpustakaan Kongres AS, pengecaman tulisan tangan mencapai 33.7 bilion aksara
Teklia ialah syarikat AI Perancis yang ditubuhkan pada 2014, khusus menguruskan pendigitalan dokumen bagi arkib, muzium dan perpustakaan. Senarai pelanggannya sangat berbobot: Louvre, Arkib Negara Perancis, Perpustakaan Kongres AS.
Ciri dan senario penggunaan
Teras teknologi ialah platform Arkindex, sebuah kilang data bertaraf industri yang digunakan untuk menjadualkan berjuta-juta tugas pemprosesan dokumen, serta menyediakan pengurusan aliran kerja berpusat, perbandingan model dan kawalan kualiti. Keupayaannya meliputi pengecaman tulisan tangan (HTR) dan OCR cetakan, pengecaman entiti bernama (mencari nama orang, nama tempat, tarikh), penglihatan komputer dan penjanaan metadata, segmentasi susun atur untuk mengenal pasti struktur dokumen secara automatik, serta penalaan halus model pada set data sendiri institusi. Angka rasmi ialah telah memproses 20 juta imej, mentranskripsi 33.7 bilion aksara, 6 kali lebih pantas daripada taip manual dan menjimatkan kos 90 peratus. Infrastruktur di Eropah, mematuhi GDPR, menyediakan komponen sumber terbuka, REST API dan sokongan protokol IIIF.
Sesuai untuk arkib, perpustakaan, muzium, galeri seni, agensi kerajaan, dan mana-mana organisasi yang menguruskan koleksi dokumen budaya atau peribadi dalam jumlah besar. Harga tidak didedahkan.
Ciri utama
- Platform pemprosesan dokumen Arkindex bertaraf industri, boleh menjadualkan tugas jutaan
- Pengecaman tulisan tangan (HTR) dan OCR cetakan
- Pengecaman entiti bernama: ekstrak automatik nama orang, nama tempat, tarikh
- Segmentasi susun atur mengenal pasti struktur dokumen secara automatik
- Boleh menala model tersuai pada set data sendiri institusi
- Komponen sumber terbuka, REST API dan sokongan protokol IIIF
Kegunaan biasa
- Transkripsi berskala besar manuskrip arkib peringkat negara
- Pembinaan carian teks penuh akhbar dan berkala lama perpustakaan
- Penjanaan automatik metadata koleksi muzium
- Ekstrak berstruktur dokumen sejarah seperti salasilah dan daftar penduduk
Ciri Utama
- Platform pemprosesan dokumen Arkindex bertaraf industri, boleh menjadualkan tugas jutaan
- Pengecaman tulisan tangan (HTR) dan OCR cetakan
- Pengecaman entiti bernama: ekstrak automatik nama orang, nama tempat, tarikh
- Segmentasi susun atur mengenal pasti struktur dokumen secara automatik
- Boleh menala model tersuai pada set data sendiri institusi
- Komponen sumber terbuka, REST API dan sokongan protokol IIIF
Kelebihan
- Pengecaman tulisan tangan ialah bahagian tersukar dalam bidang ini, dan angka pencapaian Teklia sangat kukuh
- Menyokong IIIF dan komponen sumber terbuka, tidak mengunci institusi pada satu vendor
- Dihoskan di Eropah, mematuhi GDPR, mesra untuk perolehan sektor awam
Kekurangan
- Harga langsung tidak didedahkan, dan tergolong perolehan projek peringkat institusi
- Sokongan untuk teks Cina dan buku purba Asia Timur tiada penjelasan awam
- Pelaksanaan memerlukan institusi mempunyai keupayaan operasi asas pendigitalan koleksi
Kes Penggunaan
- Transkripsi berskala besar manuskrip arkib peringkat negara
- Pembinaan carian teks penuh akhbar dan berkala lama perpustakaan
- Penjanaan automatik metadata koleksi muzium
- Ekstrak berstruktur dokumen sejarah seperti salasilah dan daftar penduduk
Nota Editor
Ini yang paling saya suka dalam kumpulan ini. Pendigitalan koleksi budaya tidak seksi, tiada topik hangat, tetapi ia menentukan sama ada orang beratus tahun kemudian dapat membaca masa lalu kita. Kesediaan Teklia membuka sumber komponen dan menyokong IIIF ini amat patut dicatat — projek sektor awam paling takut vendor mengunci, sistem tak boleh ditukar dan data tak boleh dipindah sepuluh tahun kemudian. Pendigitalan arkib dan buku purba Malaysia sangat wajar melihat pendekatan ini.
Soalan Lazim
Adakah ia menyokong buku purba Cina?
Data awam rasmi tidak menjelaskan keadaan sokongan bagi teks Cina dan Asia Timur, dan kes awamnya terutamanya dokumen bahasa Eropah. Jika ada keperluan Cina, perlu mengesahkan terus dengan pengeluar sama ada model boleh ditala untuk memprosesnya.
Apa beza HTR dan OCR?
OCR memproses cetakan, bentuk aksara teratur dan pengecaman agak matang; HTR memproses tulisan tangan, tulisan berbeza mengikut orang, banyak sambungan dan variasi, kesukarannya lebih tinggi satu magnitud, dan juga halangan terbesar pendigitalan dokumen.
Apa itu IIIF, dan mengapa ia penting?
IIIF ialah standard salingan imej sejagat institusi budaya. Menyokong IIIF bermakna data yang dihasilkan boleh diguna terus oleh sistem lain, institusi tidak dikunci oleh satu vendor, dan ini pertimbangan kritikal dalam projek koleksi jangka panjang.
Alat AI Berkaitan
Vera Health
AI perubatan berasaskan bukti untuk kakitangan klinikal, jawapan mesti disertakan sumber literatur
Supermemory
Lapisan memori untuk ejen AI, menyimpan pilihan dan pengetahuan pengguna sebagai graf yang boleh dicari
HyNote AI
Himpunkan rakaman, PDF dan tangkap skrin dalam satu nota, versi Mac boleh transkripsi tempatan sepenuhnya
Lenz
API semakan fakta berbilang model yang bebas, membantu output AI disertai bukti dan penilaian
Torus
Padanan silang AI lukisan kejuruteraan, mengesan percanggahan reka bentuk sebelum kerja bermula
Appraiser.AI
Alat penilaian barang koleksi yang menganggar harga dengan sekadar mengambil foto, sesuai untuk menjajak dahulu sebelum mencari pakar