LLM-Powered Invoice & Receipt Extractor (OSS)

**तुम्हारे AI मॉडल के लिए असली रसीद/इनवॉइस डेटा पाने में परेशानी हो रही है? मैंने LLM का इस्तेमाल करके एक ओपन-सोर्स जनरेटर बनाया है (JSON आउटपुट, कोई टेम्प्लेट नहीं) **

लिंक: https://github.com/WellApp-ai/Well/tree/main/ai-receipt-generator

नमूना आउटपुट: https://imgur.com/a/YtFSodj

! चैटजीपीटी इमेज 3 मई, 2025, रात 11_31_53 बजे (1)

---

जब तुम रसीदों, इनवॉइस और दूसरे वित्तीय दस्तावेज़ों से स्ट्रक्चर्ड डेटा निकालने के लिए AI सिस्टम बना रहे होते हो, तो एक बड़ी अड़चन आती है: **यथार्थवादी, विविध, हाई-वॉल्यूम ट्रेनिंग डेटा। **

ज़्यादातर खुले डेटासेट ये होते हैं:

• बहुत साफ़ (टेम्प्लेट-जनरेट किया गया)
• बहुत समान (केवल पश्चिमी फ़ॉर्मेट)
• बड़े पैमाने पर कानूनी रूप से इस्तेमाल करने योग्य नहीं

इसलिए मैंने यह छोटा सा ओपन-सोर्स टूल बनाया है, जो JSON फ़ॉर्मेट में सिंथेटिक रसीदें जनरेट करने के लिए** LLM का इस्तेमाल करता है, जिसे प्रॉम्प्ट + कॉन्फ़िग के ज़रिए पूरी तरह से कस्टमाइज़ किया जा सकता है। कोई PDF नहीं, कोई OCR सिमुलेशन नहीं - बस स्ट्रक्चर्ड टेक्स्ट आउटपुट, जिसे इवैल, परीक्षण या फ़ाइन ट्यूनिंग के लिए डिज़ाइन किया गया है।

मुख्य विशेषताऐं:

• OpenAI, लोकल मॉडल, क्लाउड आदि के साथ काम करता है। (एलएलएम-एग्नोस्टिक)
• रसीद/इनवॉइस के लिए JSON स्कीमा, कस्टमाइज़ करना आसान है
• अगर तुम किसी मॉडल को हिट नहीं करना चाहते हो, तो फ़कर फ़ैकर फ़ॉलबैक
• लोकेल-अवेयर: ग्लोबल फ़ॉर्मेट सिमुलेशन के लिए उपयोगी
• कॉन्फ़िगर किया जा सकने वाला अजीबता: टूटे हुए टोटल, गुम फ़ील्ड, टाइपो, वगैरह।

इससे हमें वास्तविक, नॉन-ट्रिवियल एज केस के साथ अपने डॉक्यूमेंट पार्सर का तनाव परीक्षण करने में मदद मिली, जिन्हें टेम्प्लेट दोहरा नहीं सकते थे।

---

अगर कोई और यहाँ है तो उत्सुक हूँ:

• डॉक्यूमेंट AI के लिए सिंथेटिक डेटा जेनरेट करना
• एलएलएम-आधारित एक्सट्रैक्टर्स या ओसीआर+एलएलएम कॉम्बो का परीक्षण करना
• फाइनेंशियल AI मॉडल के लिए इवल सूट बनाना

तुम्हेंं इसे बढ़ाने के तरीके के बारे में फ़ीडबैक, विचार या विचार पसंद आएंगे।