合合信息TextIn ParseX通用文档解析平台

合合信息 TextIn ParseX 通用文档解析平台专注提供智能 OCR 文字识别 API与pdf 转 markdown 工具的高效解决方案。依托 AI 驱动的 OCR 技术，支持高精度识别 PDF、图片等多格式文档，自动提取结构化数据并转化为可编辑的 Markdown、JSON 等格式，大幅提升文档处理效率

立即咨询

首页

数字化产品

文档管理系统

合合信息TextIn ParseX通用文档解析平台

RAG、Agent、DP或文档相关任务落地常见问题 icon

文档内容解析出错

机械分chunk丢失语义信息条

文档CornerCase太多

目标内容召回不到

解析速度慢用户体验差

召回结果排序困难条

知识库更新一遍耗时长

答案生成有幻觉

我们的针对性方案

文档解析

支持将任意格式的文件(图片、PDF、Doc/Docx、网页等)解为Json或Markdown格式，以对LLM最友好的方式呈现。

OpenKIE

提供泛场景、开放域、开箱即用的图像文档信息抽取能力，其基于合合信息强
大的文字识别能力，结合了文档解析、文档检索和自研大模型三项核心技术。众多场景超过gpt4和gpt4v

Text Embedding

Embedding对于各种不同的下游NLP任务十分重要，如分
类、聚类、检索、句子相似性判断等。
合合信息发布的文本向量化模型acge_text_embedding
在中荣获MTEB中文榜单(C-MTEB)第一名的成绩。

加速器一：通用文档解析-Parsex icon

加速器二：智能文档抽取-OpenKIE icon

测试集场景:覆盖银行、保险、制造、能源、零售等47个场景，共3200+类文档，开箱即用

加速器三：文本向量Embedding icon

acge_text_embedding获Massive Text Embedding Benchmark (MTEB)中文榜单(C-MTEB)第一名的成绩

与其他开源模型相比，acge模型较小，占用资源少;模型输入文本长度为1024，满足绝大部分场景的需求 acge模型支持可变输出维度，让企业能够根据具体场景去合理分配资源。
B
(1) 对比学习技术，通过最小化正对之间的距离和最大化负对之间的距离来呈现文本语义表示
(2) 数据挖掘，构造多场景、数量庞大的数据集提升模型泛化能力，
挑选高质量数据集加快模型收敛
(3) 多任务混合训练，多loss适配场景，适应各种下游任务
(4) MRL训练，训练可变维度的嵌入，提高了处理速度，降低了存
储需求
(5)持续学习,改善引入新数据后模型灾难性遗忘问题台

加速器四：图像处理（切边、增强、压缩） icon

图像切边增强产品，可以自动识别将图像中的重要内容，将其切出，并校正回矩形。该产品不仅能处理拍摄视角带来的畸变，也能处理旋转、曲面图带来的畸变。