Ertas 助力发票与收据处理

    微调模型,从组织收到的任何格式的发票和收据中提取项目明细、金额、日期、税务详情和供应商信息。

    The Challenge

    应付账款团队处理来自数百个供应商的发票,每个供应商有不同的布局、术语和详细程度。提取结构化数据——供应商名称、发票号码、项目明细、数量、单价、税额、付款条款和银行详情——从这些多样的格式中是繁琐的手动工作,容易出错。金额字段中的一次转录错误可能导致付款差异、供应商纠纷和会计对账问题。

    基于模板的提取工具对格式一致的大批量供应商有效,但对发票布局独特的长尾供应商则无效。基于机器学习的提取工具改善了覆盖范围,但仍然在手写发票、有 OCR 伪影的扫描文档、具有复杂项目表格的多页发票和多语言发票上表现不佳。提取工具的交付与应付团队的需求之间的准确度差距意味着每张发票仍需人工验证——这使自动化的目的落空。

    The Solution

    Ertas 让应付账款团队用自己的发票语料训练提取模型,使模型能够处理他们实际遇到的供应商格式、版式差异和字段命名习惯。在 Ertas Studio 中,团队以 JSONL 格式上传标注好的发票,每条记录把一张发票的 OCR 文本与对应的结构化字段配对,训练出的模型能把非结构化的发票文本转换为符合其 ERP 系统字段结构的干净结构化输出。

    训练后的模型能处理通用工具忽略的供应商特有写法:有的供应商写“Net Amount”而不写“Subtotal”,有的把税额并入每行单价而不单独列出,还有欧洲供应商用逗号作小数点。由于模型从机构的真实发票中学习,它反映的是实际的格式分布和边缘情况。训练在 Ertas 的云端 GPU 上进行,因此标注好的发票会上传到 Ertas;团队可以在上传前把真实的银行账号替换为逼真的占位值。训练好的模型从 Hub 导出,通过 Ollama、llama.cpp 或 vLLM 在团队自己的服务器上运行,发票一到就处理,输出可直接导入 ERP 的结构化数据。未通过团队校验规则的输出,例如明细行加总与发票总额不符,会转交人工复核,修正结果则成为下一次训练的示例。

    Key Features

    Studio

    自定义字段提取训练

    使用 Studio 在您 ERP 系统的特定字段架构上训练提取模型。将任何发票格式映射到您的精确数据结构,包括自定义字段、计算总额和多币种支持。

    Studio

    经过审核的训练示例

    使用 Studio 的引导式数据集构建工具 Data Craft 编辑提取示例、管理版本,并跟踪哪些示例已由应付账款专员批准。来自长尾供应商的疑难发票会成为下一次训练的审核示例。

    Hub

    在自有服务器上提取

    将训练好的模型导出为 GGUF 或 safetensors,在你自己的基础设施上提供服务。你的发票接收流程把 OCR 后的发票文本发给模型,返回符合 ERP 导入结构的 JSON。

    Hub

    发票数据留在内部

    导出后,发票在你自己的服务器上处理,日常发票中的供应商银行信息、付款金额和账号都留在你手中。只有训练集会上传到 Ertas,不再需要时你可以删除已保存的数据集。

    Example Workflow

    一家建筑公司的应付账款部门每月处理来自 400 多家供应商的 3,000 张发票,包括材料供应商、分包商、设备租赁公司和专业服务机构。团队为 8,000 张发票标注了结构化字段映射,把真实的银行信息替换为占位值,然后将数据集上传到 Ertas Studio。他们针对 ERP 的 22 字段发票结构微调模型,其中包括建筑行业计费特有的项目代码、成本类别和保留金,并行试用几个基础模型,在预留的一组发票上比较逐字段准确率。效果最好的模型被导出,部署在公司自己的服务器上,并接入发票接收流程。新发票经过 OCR 处理后发送给模型,模型输出符合 ERP 导入格式的结构化数据。未通过团队校验规则的发票交给应付账款专员处理,修正后的输出加入数据集,用于下一次训练。团队每月统计无需修改即通过的发票数量,以决定何时重新训练。

    Related Resources

    Ship AI that runs on your users' devices.

    Start free with 150 credits after card verification. Paid plans from $20/mo USD.