M365Con 2027 – bezpłatna konferencja online · 11–22 Jan 2027 · 120 sessions m365con.net

Mistral OCR

Product

Mistral OCR to API do rozpoznawania znaków optycznych od Mistral AI, które przekształca dokumenty, w tym skany i tabele, w ustrukturyzowany Markdown; w odcinku działa w Azure AI Foundry.

◆ PRODUCTMistral OCRM365.FM
Title graphic: Mistral OCR (Product)

Omawiane również

W odcinku na temat Mistral OCR pojawiają się też: n8n, Chunking, Embeddings, Azure OpenAI Service, RODO i Retrieval-augmented generation (RAG).

Opis

Mistral OCR to API do rozpoznawania znaków optycznych od Mistral AI. Przekształca dokumenty, w tym skany i tabele, w ustrukturyzowany Markdown, dzięki czemu ich treść można przeszukiwać, przetwarzać lub przekazywać do innych systemów. W dokumentacji Mistral ta funkcja występuje pod nazwą Document AI OCR processor, a alias mistral-ocr-latest wskazuje na najnowszy model OCR. W odcinku M365.FM o prywatnym retrieval augmented generation jest używany w Azure AI Foundry.

Usługa wyodrębnia tekst i treści strukturalne z plików PDF i obrazów, zachowując strukturę i hierarchię dokumentu. Obsługiwane dane wejściowe obejmują obrazy, takie jak PNG, JPEG i AVIF, oraz dokumenty, takie jak PDF, PPTX i DOCX. Plik można przekazać jako publiczny adres URL, w formacie Base64 lub jako przesłany plik. Dokumentacja wymienia obsługę ponad 40 języków.

Wynik zwracany jest jako obiekt JSON zawierający strony. Każda strona zawiera Markdown, obrazy, tabele, hiperłącza, nagłówek, stopkę, wymiary, wyniki pewności i bloki, a odpowiedź obejmuje również informacje o modelu i zużyciu. Tabele mogą pozostać w Markdownie w postaci wbudowanej lub być zwracane osobno jako tabele Markdown lub HTML za pomocą parametru formatu tabeli. Nagłówki i stopki można wyodrębniać osobno. Ekstrakcja bloków zwraca ramki ograniczające na poziomie akapitów wraz z etykietami strukturalnymi, takimi jak tytuł, lista, tabela, równanie, podpis, kod i podpis odręczny, w kolejności czytania. Wyniki pewności można żądać na poziomie strony, bloku lub słowa.

Niektóre funkcje zależą od wersji modelu. Według dokumentacji formatowanie tabel i osobna ekstrakcja nagłówków lub stopek wymagają OCR w wersji 2512 lub nowszej, a ekstrakcja bloków wymaga OCR 4 lub nowszego. W przypadku dużych wolumenów Mistral poleca usługę Batch Inference, a do danych wyjściowych o strukturze wskazuje Document Annotations. Sama strona dokumentacji nie wspomina o Azure AI Foundry, więc szczegóły tej konfiguracji hostingu pochodzą wyłącznie z odcinka.

Typowa sytuacja to baza wiedzy zbudowana na podstawie zeskanowanych lub opartych na obrazach dokumentów. Tekst istniejący wyłącznie jako skan nie może być przeszukiwany ani pobierany przez model językowy, dopóki nie zostanie rozpoznany i przekształcony. Mistral OCR rozwiązuje ten etap, generując Markdown, który zachowuje nagłówki, listy i tabele, co jest bardziej użyteczną formą do indeksowania niż płaski wyodrębniony tekst. Decyzje dotyczące tego narzędzia zwykle dotyczą formatu wyjściowego tabel, tego, czy nagłówki i stopki należy zachować czy usunąć, czy wyniki pewności są potrzebne do oznaczania niepewnych fragmentów, oraz tego, czy przetwarzanie wsadowe jest odpowiednie dla wolumenu dokumentów.

Odcinek "How to Build Private RAG with SharePoint and n8n" (2026-06-06) umieszcza Mistral OCR w konfiguracji prywatnego retrieval augmented generation. Odcinek stwierdza, że narzędzia takie jak Mistral OCR pomagają przekształcać zeskanowane dokumenty w dane możliwe do przeszukiwania, a tym samym ulepszają bazę wiedzy. Towarzyszy temu prawidłowa konfiguracja SharePoint do organizacji i wyszukiwania dokumentów oraz automatyzacja przepływów pracy w n8n, łącząca SharePoint i zarządzająca zadaniami pobierania danych. Odcinek zaleca również regularne testowanie i iteracje, aby rozwiązanie pozostawało niezawodne i wydajne, a także zauważa, że takie rozwiązanie można skalować, integrując wiele źródeł danych i dostosowując przepływy pracy do potrzeb organizacji.

Overview compiled with AI from M365.FM episodes and the facts on this page. You can improve it with the edit button below.

TypProduct

Często zadawane pytania

Questions marked with AI were written with AI from the facts on this page.

Co robi Mistral OCR? (AI)

Mistral OCR to API od Mistral AI, które wyodrębnia tekst i treści strukturalne z plików PDF i obrazów oraz zwraca je jako Markdown, w tym tabele, w odpowiedzi JSON uporządkowanej według stron.

Jakie typy plików i języki obsługuje Mistral OCR? (AI)

Według dokumentacji Mistral dane wejściowe mogą być obrazami, takimi jak PNG, JPEG i AVIF, lub dokumentami, takimi jak PDF, PPTX i DOCX, dostarczanymi jako publiczny adres URL, Base64 lub przesłany plik. Obsługiwanych jest ponad 40 języków.

Jak Mistral OCR jest wykorzystywany w odcinku M365.FM o prywatnym RAG? (AI)

Odcinek "How to Build Private RAG with SharePoint and n8n" opisuje Mistral OCR działający w Azure AI Foundry jako sposób na przekształcanie zeskanowanych dokumentów w dane możliwe do przeszukiwania dla bazy wiedzy w rozwiązaniu RAG opartym na SharePoint i n8n.

Słownik

Community wiki

Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.

Eksperci i firmy w tym temacie

Nikt jeszcze nie wskazał tego tematu. Dodaj go do swojego profilu.

Maintained by Mirko Peters (Microsoft MVP) · Last updated: