La caractéristique la plus unique de l'API d'extraction Unstract LLM Whisperer est son approche de la sortie de texte. Contrairement à de nombreux autres outils d'extraction qui forcent tout dans un format Markdown, Whisperer se concentre fortement sur la préservation de la mise en page.
D'après mon expérience, le mode de préservation de la mise en page est incroyablement efficace. Il maintient la relation visuelle entre les éléments tels que les tableaux, les colonnes et les sections imbriquées. Lorsqu'on alimente cette sortie dans un LLM, la précision du raisonnement est significativement plus élevée car le modèle peut réellement "voir" la structure originale du document à travers l'alignement du texte. Avis collecté par et hébergé sur G2.com.
Le principal compromis pour cette sortie haute fidélité est la taille du fichier. Parce que l'API préserve la mise en page et l'espacement avec une telle précision, les fichiers texte résultants sont naturellement plus volumineux qu'une version compressée en Markdown. Si vous traitez des volumes massifs et êtes extrêmement sensible aux coûts concernant le stockage ou les fenêtres de jetons, c'est quelque chose à prendre en compte, mais à mon avis, les gains en précision l'emportent largement sur les octets supplémentaires.
Note : Vous pouvez également post-traiter la sortie texte et n'envoyer à LLM que ce qui est important pour vous. Avis collecté par et hébergé sur G2.com.
