Qué hace

Esta habilidad ofrece Reconocimiento Óptico de Caracteres (OCR) de alto rendimiento aprovechando la API de NVIDIA NeMo Retriever. Permite a tu agente de IA «ver» y extraer texto de imágenes y documentos con una precisión de nivel profesional. Gestiona estructuras complejas como tablas, gráficos, recibos e incluso escritura a mano, devolviendo texto estructurado junto con puntuaciones de confianza y datos de cuadros delimitadores.

Por qué usar esta habilidad

Las capacidades de visión estándar de los LLM pueden a veces alucinar texto o tener dificultades con datos densos y de pequeño tamaño, como tablas o capturas de pantalla de baja calidad. Esta habilidad utiliza un modelo OCR especializado y optimizado para la precisión. Admite el procesamiento por lotes de directorios completos, proporciona métricas de confianza para garantizar la fiabilidad de los datos y guarda automáticamente los resultados en archivos estructurados para su análisis posterior. Es significativamente más rápida y precisa para tareas de extracción de datos que el uso genérico de prompts de visión.

Herramientas compatibles

• NVIDIA NeMo Retriever: Modelo de OCR de base con tecnología de vanguardia.
• Integración con Python: Gestión integrada para codificación Base64 y procesamiento de archivos por lotes.
• Exportación: Guarda los resultados localmente en formatos .txt o .md para un acceso sencillo por parte del desarrollador.