Решение «Диасофт» для парсинга документов

--> Дата: Авг 4, 2026 0

Базы знаний (RAG)Диасофт Искусственный интеллект (AI)Обработка данных Распознавание документов (OCR)Распознавание/синтез речи (ML SpeechToText / TextToSpeech)

Компания «Диасофт» расширила функциональность решения «Фабрика данных» (Digital Q.DataFactory), включив в его состав новый программный продукт «Сервис интеллектуального парсинга документов». Продукт позволяет автоматизировать сквозную обработку неструктурированных данных из файлов различных форматов для последующей аналитики и использования в ИИ-сценариях.

Функциональные возможности «Сервиса интеллектуального парсинга документов»:

единый HTTP API для приема файлов различных форматов (PDF, DOCX, PPTX, XLSX, HTML, изображения, аудиоформаты) и их преобразования в структурированные данные (JSON, Markdown, HTML) без потери семантики;
продвинутые алгоритмы OCR – распознавание текста сканированных документов и изображений, включая рукописный ввод, с поддержкой любых языков и кодировок;
технологии ASR (распознавание речи) – автоматическая транскрибация аудиозаписей в текст с разделением по спикерам, определением временных меток и расстановкой знаков препинания;
извлечение структуры и таблиц – автоматическое определение логической структуры документа и контента (текст, таблицы), что критически важно для корректной работы поисковых движков и ИИ-ассистентов.

Новое решение помогает в работе с большими объемами неструктурированных данных, которые невозможно использовать для LLM-проектов и RAG-сценариев без качественной подготовки. Продукт устраняет риски зависимости от иностранных библиотек (Docling, Apache Tika), снижает трудозатраты на разработку собственных конвейеров конвертации.

Как поясняют разработчики, часто заказчики отказываются от внедрения ИИ-ассистентов из-за «грязных» входных данных: PDF с таблицами или сканы плохо индексируются, нейросеть галлюцинирует. Новый сервис решает проблему «из коробки»: он не просто распознает символы, а сохраняет логику документа, превращая его в готовый формат для RAG (Markdown/JSON). Это позволяет в разы быстрее выводить ИИ-продукты в эксплуатацию.

Продукт разработан в микросервисной архитектуре. Он поддерживает контейнеризированное развертывание в контуре заказчика и гибко масштабируется при росте нагрузок.