Jeden endpoint, který promění jakýkoli dokument — PDF, fotku, sken, obrázek — na čistý strukturovaný výstup. Text, layout, tabulky, obrázky a matematické vzorce zachované.

Co StellarOCR dělá

StellarOCR je kompozitní engine na zpracování dokumentů. Jeden upload PDF nebo obrázku vrátí:

• Strukturovaný text se zachovaným reading orderem
• Layout hierarchie — nadpisy, odstavce, seznamy, popisky
• Tabulky jako strukturované řádky/sloupce (ne zploštělé na text)
• Obrázky vytažené jako samostatné obrázky s propojenými popisky
• Matematické vzorce převedené do LaTeXu
• Jazyk detekovaný per region
• Bounding boxy pro každý element, pro click-to-locate v originálu

Kdy se používá

Automaticky, na každém dokumentu, který vstupuje do knowledge base. V běžném použití ho nevoláte přímo — ingest pipelina to dělá za vás. Když někdo nahraje smlouvu, paper, skenovanou fakturu nebo fotku tabule, StellarOCR zařídí extrakci dřív, než downstream agenti uvidí obsah.

Je také dostupný jako samostatné API na StellarCloud, pokud ho chcete používat mimo StellarBase.

Proč jeden endpoint

OCR a porozumění dokumentům tradičně vyžadují pipelinu: layout detector → text recognizer → table recognizer → formula recognizer → stitching. StellarOCR tu pipelinu orchestruje za vás. Pošlete PDF; dostanete strukturovaný výstup. Jeden endpoint, jeden účet.

Co zvládá dobře

Born-digital PDF

Text se dá vytáhnout přímo — pro samotné glyfy není potřeba OCR. StellarOCR i tak spustí layout detection, aby zachoval tabulky a obrázky.

Skenovaná PDF

Typické kancelářské skeny, právní dokumenty, staré akademické papery. Zvládá mixované orientace, sklon, mírný šum. Vícesloupcové layouty zachované.

Fotky dokumentů

Mobilní fotky smluv, tabulí, ručně psaných poznámek, stránek knih. Korekce perspektivy a normalizace osvětlení běží automaticky.

Komplexní tabulky

Slučované buňky, vnořené hlavičky, multi-page tabulky s opakovanými hlavičkami — vše rekonstruované jako řádná struktura tabulky, ne zploštělé do textu.

Matematika

Inline a display rovnice převedené do LaTeXu. Funguje pro typeset matematiku a ručně psané vzorce (s o něco nižší přesností).

Vícejazyčné dokumenty

EU regulace v pěti jazycích vedle sebe, pacientské karty s českým běžným textem a latinskými názvy léků — vše zpracované bez konfigurace. Viz Multilingual.

S čím má potíže

Buďte realističtí:

• Extrémní psací rukopis — pokud by ho lidský expert luštil delší dobu, StellarOCR taky. Počítejte s nižší přesností.
• Velmi nízké rozlišení skenů — pod 150 DPI nastupují typické OCR failure modes.
• Těžká kreativní typografie — stylizované fonty, extrémní kerning, dekorativní znaky. Marketingové materiály mohou být zrádné.
• Diagramy s implicitní sémantikou — vývojové diagramy, ER diagramy, organigramy. Tvary a šipky se detekují, ale vztahy mohou vyžadovat ruční review.

Pro tyhle případy StellarOCR produkuje confidence skóre, podle kterých můžete filtrovat. Low-confidence oblasti lze směrovat na human-in-the-loop review.

Pod kapotou

StellarOCR je kompozice specializovaných modelů — layout detector, text recognizer, table recognizer, math recognizer. Konkrétní modely jsou implementační detail, který se může změnit bez rozbití vaší integrace. Dostanete jedno API, jeden billing meter, jedno SLA.

Formát výstupu

Defaultní výstup je strukturovaný JSON dokument s:

• Rozpisem per stránka
• Každý blok otagovaný typem (heading, odstavec, tabulka, obrázek, vzorec)
• Zachovaný reading order
• Bounding boxy pro click-through
• Volitelný Markdown export pro jednodušší downstream zpracování

Pro ingest do knowledge base je výstup konzumovaný přímo indexovou pipelinou — JSON nikdy nevidíte, pokud nevoláte API přímo.

Související

• Podporované formáty — kompletní seznam typů souborů
• Multilingual — chování OCR napříč jazyky
• StellarCloud API — OCR jako samostatné API