LLMWhisperer是什么？

LLMWhisperer是一款能將復雜文檔解析為LLM格式的工具，能夠高效提取文檔中的文字、URL、元數據等深度信息，并以清晰的結構化格式輸出。它支持 PDF 和圖像等多種格式，還能自動提取姓名、地址這些重要信息。每天免費處理 100 頁文檔。

它還有在線測試環境，提供 API 和 JS/Python 的開發工具包，能輕松和 Next.js、Node.js、數據庫這些常用技術對接。用它能省下不少處理圖像輸入的成本，特別適合發票、身份證、報銷單這些場景。

LLMWhisperer功能特點

• 保留文檔布局：LLMWhisperer 的布局保留模式可以保留文檔的原始結構，包括表格、段落、多列布局等，確保提取后的數據與原始文檔一致。

• 自動模式切換：工具能夠自動識別文檔類型，并在文本模式和 OCR 模式之間切換。如果文檔是掃描圖像或手寫內容，它會自動切換到 OCR 模式。

• 表單元素識別：LLMWhisperer 能夠識別 PDF 表單中的復選框和單選按鈕，并將其值以原始文本形式呈現，方便 LLM 理解。

• 自動壓縮：在處理文檔時，LLMWhisperer 可以自動壓縮不必要的 tokens，減少處理時間和成本，同時保留關鍵信息。

• 多語言支持：LLMWhisperer 支持超過 300 種語言，能夠處理多語言文檔，包括非拉丁字母腳本（如阿拉伯語、中文、日語等）。

• 多種文檔格式支持：支持 PDF、圖像（JPEG、PNG 等）、MS Office 文件（Word、Excel、PowerPoint）、OpenDocument 格式（ODT、ODP、ODS）以及純文本文件（TXT）。

LLMWhisperer使用方法

• API 集成：LLMWhisperer 提供 API 接口，可以將其集成到現有的系統中，實現文檔的自動化預處理。

• 客戶端庫：用戶可以通過安裝 LLM Whisperer 的客戶端庫（如 Python 的 llmwhisperer-client）來調用其功能。

• 在線測試：LLMWhisperer 提供了一個在線的 Playground 環境，用戶可以上傳文檔進行實時測試，無需注冊或安裝任何軟件。

優化能力

• 自動模式切換：處理文檔時，若文本模式提取輸出不足，自動切換到 OCR 模式。

• 自動壓縮：在保留布局的同時壓縮對輸出無價值的標記，減少 LLMs 處理時間和成本。

• 預處理控制：可控制掃描圖像的預處理，通過 API 調整中值濾波、高斯模糊等參數。

官網：https://unstract.com/llmwhisperer/