Firecrawl يعيد كتابة محرك تحليل PDF بلغة Rust، ويزيد السرعة حتى 5.7 مرات

أخبار ME، في 15 أبريل (UTC+8)، وفقًا لمراقبة 1M AI News، أطلقت أداة استخراج البيانات من الويب Firecrawl Fire-PDF، وهو محرك تحليل PDF مُعاد كتابته بلغة Rust، ويزيد من سرعة تحويل PDF إلى Markdown مُهيكل بنسبة 3.5 إلى 5.7 مرة مقارنة بالجيل السابق، مع وقت معالجة متوسط أقل من 400 مللي ثانية لكل صفحة. يكمن جوهر التحسين في تقليل المكالمات غير الضرورية لوحدة معالجة الرسومات (GPU). كما أطلقت Firecrawl مكتبة Rust المفتوحة المصدر pdf-inspector، والتي تسمح بتصنيف كل صفحة PDF في غضون ملي ثانية: الصفحات النصية البحتة تُستخرج مباشرة دون استخدام GPU، بينما تُرسل فقط الصفحات التي تحتوي على مستندات ممسوحة ضوئيًا أو كثيفة الصور إلى نموذج تحليل التخطيط العصبي ونموذج GLM-OCR للغة البصرية. على سبيل المثال، في تقرير مالي يحتوي على 150 صفحة نصية و60 صفحة ممسوحة ضوئيًا، لا تحتاج معظم الصفحات إلى GPU. من حيث الدقة، يضبط Fire-PDF المعاملات بشكل منفصل حسب نوع المحتوى: الجداول تحصل على حد أعلى من الرموز ووقت إنشاء يصل إلى 25 ثانية، والمعادلات تُحتفظ بصيغة LaTeX، ويتم التنبؤ بترتيب القراءة للتصاميم متعددة الأعمدة عبر نموذج عصبي. وقد تم تفعيل Fire-PDF تلقائيًا لجميع مستخدمي Firecrawl دون الحاجة إلى أي إعدادات. (المصدر: BlockBeats)