Textin产品市场

识别文档或图片中的文字信息，并按常见的阅读顺序进行还原，赋能大语言模型的数据清洗和文档问答任务。支持标准的金融报告、国家标准、论文、企业招投标文件、合同、文书、工程图纸等文档内容。支持 PDF、Word(doc/docx)、常见图片(jpg/png/webp/tiff)、HTML 等文件格式。

Textin智能文档抽取平台能够快速理解图片或文档中的内容，精准提取关键信息，提升您的文档办公处理效率。

支持对图片中日期、logo、文字等形式的水印进行自动擦除，确保高保真处理，无痕还原图片素材。

智能判断照片中主体文档的边缘，并进行背景切除 (文档提取)，既能对形变文档进行矫正，又能同时增强图像突出文字（矫正+增强），支持识别背景复杂的文字内容，返回切边后的图像。

支持多场景下纸张上的手写文字的快速识别和自动擦除功能。

通过前沿的深度学习技术，对各种表格，图片，文档、证件、面单等多种通用场景进行快速、精准的文字检测和识别，支持多页PDF输入。支持简体中文/繁体中文/英文/数字/西欧主流语言/东欧主流语言等共52种语言，同时支持印刷体、手写体、倾斜、折叠、旋转等。

支持识别图片/PDF格式文档中的表格内容，包括有线表格、无线表格、合并单元格表格，同时支持单张图片内的多个表格内容识别，返回各表格的表头表尾内容、单元格文字内容及其行列位置信息。

Textin文本向量模型（acge_text_embedding）是合合信息自主研发中文文本向量化模型，为知识问答、信息检索、长文本信息抽取等场景提供支持；acge模型较小，输入文本长度为1024，支持可变输出维度，满足绝大部分场景的需求。

利用合合信息多年积累的票据文字OCR识别能力，识别包含增值税发票、全电票、纸质医疗发票、电子医疗发票、航空运输电子客票行程单、铁路电子客票在内的23大类、34小类国内通用票据，提取其中的信息，并以整理成标准结构化的Key/Value形式返回或导出。支持单页面多票的切分识别，支持输入多种通用图片格式、多页PDF、多页OFD格式。

智能识别医疗票据，自动提取关键信息，结构化输出，如金额、日期、医院名称、医保类别等，助力医保报销高效录入、精准审核，大幅降低人工成本，提升处理效率。