भारतीय एआई स्टार्टअप सर्वम ने अपने अपग्रेडेड विजन‑लैंग्वेज मॉडल सर्वम विजन 2.1 को लॉन्च किया है। यह मॉडल अव्यवस्थित स्कैन्स, उलझे फॉर्म्स और 11 भारतीय भाषाओं में लिखे हस्तलिखित नोट्स को सेकंडों में डिजिटल डेटा में बदलने में सक्षम है।

सर्वम का कहना है कि विजन 2.1 ने पिछले संस्करण की कमियों को दूर कर दस्तावेज़ों को सिर्फ पढ़ने से आगे बढ़कर उन्हें साफ़ और संरचित डेटा में परिवर्तित करने पर ध्यान केंद्रित किया है। इस प्रकार, व्यवसाय इस डेटा को सीधे अपने प्रोडक्शन वर्कफ़्लो में उपयोग कर सकते हैं।

मॉडल विशेष रूप से उन दस्तावेज़ों के लिए बनाया गया है जिनमें सामान्य टेक्स्ट के साथ टेबल्स, फॉर्म्स और हस्तलिखित जानकारी भी हो सकती है। यह नेस्टेड, जटिल और मल्टी‑पेज टेबल स्ट्रक्चर्स को बेहतर तरीके से प्रोसेस कर सकता है, जिससे कई पृष्ठों में फैली टेबल्स से भी जानकारी को समझना और व्यवस्थित करना आसान हो जाता है।

विजन 2.1 स्ट्रक्चर्ड फॉर्म्स से नाम, तारीख और वित्तीय आंकड़ों जैसी की‑वैल्यू जानकारी निकाल सकता है। इसके अलावा, यह भारतीय भाषाओं में लिखे हस्तलिखित नोट्स और एनोटेशन्स को पहचानने में भी माहिर है, खासकर क्षेत्रीय हैंडराइटिंग वैरिएशन्स पर विशेष ध्यान दिया गया है।

घने या अनियमित दस्तावेज़ स्कैन्स में होने वाले हैलुसिनेशन और स्पैशल इनकंसिस्टेंसी को कम करने के लिए मॉडल को विशेष प्रशिक्षण दिया गया है, जिससे दस्तावेज़ की जानकारी और लेआउट को अधिक सटीकता से समझा जा सके।

सर्वम के अनुसार, विजन 2.1 ने नए सर्वम इंडिक ओसीआर बेंचमार्क पर 87.39% ओवरऑल वर्ड एक्यूरेसी और ग्लोबल olmOCR बेंच पर 87.30% स्कोर प्राप्त किया है। ये आंकड़े मॉडल की ओसीआर और दस्तावेज़ प्रोसेसिंग क्षमताओं को दर्शाते हैं।

सर्वम विजन 2.1 को सर्वम के डॉक्यूमेंट इंटेलिजेंस API के माध्यम से उपलब्ध कराया गया है। इन API में मल्टी‑पेज फाइल्स को संरचित टेक्स्ट में बदलने और फॉर्म्स व टेबल्स से ऑटोमैटिक तरीके से डेटा निकालने वाले टूल्स शामिल हैं।

इस प्रकार, विजन 2.1 का उपयोग सिर्फ दस्तावेज़ पढ़ने के लिए नहीं, बल्कि उनमें मौजूद जानकारी को व्यवस्थित डेटा में बदलने के लिए भी किया जा सकता है, जिससे व्यापार प्रक्रियाओं में दक्षता बढ़ेगी।