Typless
斯洛維尼亞團隊做的 IDP,越用越準的增量學習,從手機翻拍的發票也能抓明細,另有給會計事務所的自動處理發票 App
Typless 是斯洛維尼亞公司 Algoritmik 的智慧文件處理產品,官網同時有英文與斯洛維尼亞文版本。它強調「增量學習」:每次人工在驗證時修正,系統就跟著學,越用越準。官網數字是累計處理一千萬份以上文件、超過 400 家客戶、十年以上經驗,準確率最高 95%。
處理流程分五段:輸入(PDF、TIFF、PNG、JPEG、GIF)、前處理(方向校正、降噪、歪斜校正、影像增強)、分類(同時分析文字與視覺元素來分類文件)、擷取(結構化、半結構化、非結構化資料、物件、自然語言、表格與印刷文字)、匯出(XML、JSON、API、Webhook)。它也能處理明細行、巢狀表格與各地區不同的日期格式——不管寫成 14.9.2026、Sep 14, 2026 還是 14/09/26,都統一成 2026/09/14。官網說可辨識所有使用拉丁字母的歐洲語言,並整合 LLM 技術。
功能特色與適用場景:產品分兩條線,一是給開發者與企業的 IDP 平台(可自己訓練模型、用 API 接 ERP、DMS 或 RPA 機器人),二是現成的 tApp,自動處理收到的每張發票並匯出到會計軟體,主要對象是會計事務所。官網還提到它的團隊可以代為處理收到文件後繁瑣的郵件往返。要特別提醒:官網明說語言支援是「拉丁字母的歐洲語言」,中文文件不在承諾範圍內,台灣使用者適合拿來處理歐洲供應商的發票,而不是本地單據。
TheAI學院 編輯建議
編輯實測後的真心話Typless 很誠實地寫清楚只支援拉丁字母語言,這點我反而欣賞。台灣公司若有大量歐洲進口單據,它是低調但實用的選擇。
主要功能
- 增量學習,從人工修正中持續改進
- 方向、降噪、歪斜校正等影像前處理
- 結合文字與視覺的文件分類
- 明細行、巢狀表格與多種日期格式統一
- XML、JSON、API、Webhook 輸出,可接 ERP、DMS、RPA
- tApp 會計事務所發票自動處理 App
適用場景
- 處理歐洲供應商寄來的發票
- 會計事務所自動化客戶發票輸入
- RPA 流程中加入文件擷取步驟
- 整合 DMS 自動分類歸檔文件
Typless 的優點與缺點
優點
- 越用越準,適合長期固定流程
- 處理手機翻拍等低品質影像
- 同時提供 API 平台與現成 App
缺點
- 語言支援限拉丁字母歐洲語言,不含中文
- 準確率上限官網寫最高 95%
- 價格資訊不透明
價格方案
可免費開始;企業方案需聯絡業務,以官網為準
Typless 常見問題
Typless 支援中文嗎?
官網表示可辨識所有使用拉丁字母的歐洲語言,未承諾支援中文。
Typless 怎麼變得更準?
官網說明它採增量學習,每次人工驗證時的修正都會被學習,處理越多越準確。
使用者評價
還沒有足夠評價,搶先分享你的使用心得!
寫下你的評價
Typless 的替代方案
查看相似的 AI 工具 →相關 AI 工具
Model ML
住在 Excel、PowerPoint、Outlook 與你公司的系統裡,串 FactSet、CapIQ、PitchBook、資料室與 CRM,照你公司的範本產出簡報、備忘錄與財報摘要,每個數字附上可點回原始資料的註腳;AutoCheck 像資深同事一樣抓簡報裡的算錯、數字對不上與格式問題
Pedestal AI
先掃描你的 ERP、TMS、WMS、資料倉儲與試算表,整理成「Logistics Graph」並向資深員工追問缺口;上面跑現成代理:送貨前打電話確認時段、從 Email/PDF/EDI 讀採購單寫進 ERP、排隔天班表、預測哪些訂單會延誤、哪台機器快壞、哪個客戶要流失
Dreamteam
不用業務手動輸入,CRM 從 Gmail、行事曆、Zoom 會議與筆記自己更新欄位;Rachel 研究名單、Sally 起草跟進信與會前準備、Raj 盯管道並標出有風險的商機、Alex 用一句英文幫你改銷售流程設定,也能從 Claude 或 ChatGPT 透過 MCP 查詢
AgentRun
把代理執行包上一層:每次跑完把重複的步驟提成技能或工作流程,經過檢查與評分才採用;跑到一半伺服器掛掉也能從存檔接著跑,再加上一個主控台管理所有代理、執行紀錄與花費上限
LingoMic
Chrome 擴充功能加 Windows 桌面版,你講中文、對方從麥克風聽到的是英文或日文,連語速和情緒都帶過去;每位講者都有雙語字幕,會議一結束就有摘要、決策與待辦,會議中途也能問 AI 誰答應了什麼,而且沒有機器人進會議室
HarnessRouter
產品要內建 AI 代理時不必自己養執行環境:同一支 API 就能切換 Claude Code、Codex、Hermes、Qwen Code 等框架,每個任務有獨立沙盒、可延續的工作階段、完整追蹤,還有跨框架共用的長期記憶 Harness Memory