Pdf

Сегодня необычные сервисы, а помощники для LLM и ИИ-агентов, чтобы они анализировали ваши файлы без галлюцинаций и ошибок. Обычные ИИ плохо справляются с PDF и картиками: путают колонки, не понимают таблицы и заголовки. Следующие инструменты читают документы как человек — учитывают структуру, формат, сноски, даже логику. Эти же инструменты превращают документ в качественно распознанный и разбитый по структуре текст, который уже  можно загрузить в Большие Языковые модели (LLM) для дальнейшего взаимодействия без галлюцинаций. Этакие парсеры документов.

Проще, зачем они нужны? Для создания:

• систем поиска по внутренним документам (вопрос-ответ по внутренним документам)

• интеллектуального анализа юридических, медицинских, технических файлов

• создания базы знаний из PDF/HTML/DOCX, изображений и тд

Вот два таких сервиса:

1) LlamaParse

LlamaParse — умный парсер документов и файлов от LlamaIndex. Очень круто извлекает сложные таблицы. Можно интегрировать через API в приложения. Бесплатно можно обработать до 1 000 страниц в день.

LlamaParse поддерживает:

• Документы: PDF, DOC, DOCX, RTF, TXT, EPUB, XML, HTML, Pages, Keynote и др.

• Презентации: PPT, PPTX, ODP

• Таблицы: XLS, XLSX, CSV, ODS, TSV

• Изображения: JPEG, PNG, GIF, BMP, SVG, TIFF, WebP

• Аудио: MP3, MP4, WAV, M4A и др. (до 20 МБ)

Полный список доступен в официальной документации Supported Document Types

Например: Вы загружаете инструкцию по продукту, договор или научную статью → LlamaParse анализирует структуру и разбивает по логике → вы используете это в GPT-боте, который теперь может грамотно отвечать на вопросы по документу.

Больше проверенной информации и пользы в моем телеграм канале.

2) Contextual

Contextual - тоже самое, вы загружаете документ со сложными таблицами, рисунками и диаграммами, сервис так же преобразовывает это в текстовый файл с метаданными, понятный для любой LLM. Бесплатно можно обработать до 500 страниц.

Contextual AI поддерживает:

• Документы: PDF, DOC, DOCX, PPT, PPTX, HTML-файлы

Можно использовать документы Microsoft Office напрямую в системах Contextual AI, без необходимости предварительно конвертировать их в PDF.

Хотите больше полезных сервисов для работы, учебы и бизнеса, видеоуроков, обратную связь и сильное окружение - Добро пожаловать в:

Прошлой осенью меня переклинила ностальгия когда вдруг вспомнил про задачник который постоянно засматривал до дыр в детстве. Его подарили брату на день рождения, но эти сюрреалистичные иллюстрации со своеобразной сатирой и юмором плотно засели в моей голове. И вот я нашёл один экземпляр на сайте - барахолке, отвалил 600 рублей, и через неделю в руках с упоением разглядывал задачник который не видел 30 лет. Теперь я хочу поделиться им с вами, так как в интернете нет электронной версии, а фотографии очень плохого качества. В пост я загружу первые 15 страниц.

И так! Вашему внимаю представляю Задачник ненаглядное пособие по математике 1992 года выпуска.
Текст - Г.Б. Остер, 1991
Иллюстрации - В.А. Буркин, 1992
Макет - В.В. Хрыжановский, 1992
Тираж - 150.000 экземпляров

Товарищи, помогите.

Знает ли кто-нибудь, использует ли кто-нибудь бесплатную простенькую программу по типу WinScan2PDF, с помощью которой можно отсканированные страницы сохранять не в один огромный файл pdf со всеми отсканированными страницами, или каждую отдельную страницу в отдельные файлы pdf/png/jpeg, что собственно WinScan2PDF и умеет делать, а сохранять из общей кучи страницы группами по две страницы в отдельные файлы pdf, по три страницы в отдельные файлы pdf и так далее.

Задача: есть стопка писем/уведомлений для рассылки клиентам в количестве 250 штук. Все письма имеют по 2 страницы. Для рассылки писем по электронной почте их необходимо отсканировать, затратив на это как можно меньше времени.

На МФУ Kyocera можно конечно сканировать каждое письмо отдельно (сейчас именно так и делаю), но для этого необходимо стоять возле МФУ и тупо механически подкладывать каждое новое письмо и нажимать кнопочки "повтор" и "старт". По времени это занимает примерно один час.
Однако на данном МФУ, с помощью программы WinScan2PDF можно отсканировать всю пачку сразу, получив при этом как вариант 500 файлов png. Для сканирования всей пачки потребуется 20-30 минут времени (потому что в процессе отсутствуют паузы на подкладывание новых писем и нажатие кнопочек), при этом не нужно стоять и тратить время у самого МФУ - можно заняться какой-нибудь параллельной работой, пока МФУ сканирует. Но в таком случае требуется какая-то программа, или макрос в excel (сам писать макросы я пока-что не умею) или какой-то иной метод, с помощью которого можно было бы быстро объединить 500 файлов png группами по два файла по порядку, что бы получились 250 двухстраничных файлов pdf,
Ну или если это 250 писем по 4 страницы, то сохранить из 1000 сканов png 250 файлов pdf по 4 страницы, и тому подобные варианты.

Кто знает готовое решение, подскажите пожалуйста.

Дополнено:
Огромное спасибо @almelion за помощь! Готовое решение находится в комментах по ссылке: #comment_351913358