A Dharma-AI publicou no Hugging Face o Dharma Field Extractor, um modelo que recebe a imagem de um documento e devolve campos estruturados em JSON. Ao contrário do OCR, que transcreve todo o texto de uma página, esta ferramenta procura apenas os campos que interessam, como o fornecedor, o número da fatura, a data de vencimento ou o valor total. O artigo é assinado por quatro autores da equipa da empresa e apresenta sobretudo resultados internos, pelo que as comparações divulgadas devem ser lidas como alegações do fabricante.

O modelo funciona em dois modos. No modo aberto, não é fornecido nenhum esquema: o sistema identifica os campos a partir do contexto e do layout, como uma etiqueta seguida de um valor ou uma tabela com cabeçalho, e devolve pares chave-valor. No modo dirigido, o utilizador define a estrutura pretendida, indicando os nomes das chaves e o tipo de cada campo, que pode ser texto, número ou booleano. Se um campo pedido não existir no documento, a saída inclui null em vez de um valor inventado, e quando há esquema a resposta segue exatamente as chaves indicadas.

Segundo o artigo, o Field Extractor é uma versão especializada do DharmaOCR-LITE v1.1, com 2 mil milhões de parâmetros, à qual foi acrescentado um adaptador LoRA treinado com 43.384 exemplos. Os dados estão organizados em três grupos: documentos em inglês recolhidos da web, documentos brasileiros em português obtidos internamente e uma parcela menor com outras línguas europeias e asiáticas. A mistura inclui recibos, faturas comerciais, formulários, extratos bancários, documentos de identificação e documentos sintéticos, todos anotados ao nível do campo.

A avaliação cobre 546 documentos e 1.638 casos, distribuídos por três cenários: extração de todos os campos sem esquema, esquema parcial com apenas campos reais e esquema que inclui também campos ausentes. A empresa afirma que o modelo supera todos os modelos de fronteira testados, a um custo que considera uma fração do habitual. Estas afirmações ainda não foram verificadas por terceiros, e o excerto disponível não detalha todas as métricas nem as condições exatas de comparação.

O lançamento insere-se numa linha de trabalho que a empresa já tinha iniciado em abril, com o DharmaOCR-LITE, e defende que modelos mais pequenos e especializados podem superar APIs generalistas em tarefas bem definidas. Para equipas que processam grandes volumes de faturas, formulários ou contratos, a questão prática é se o custo e a precisão se mantêm fora do ambiente de teste. A demonstração pública no Hugging Face permite experimentar a ferramenta, mas a licença e as condições de utilização comercial não constam do texto analisado.

Porque importa

A extração de campos é uma tarefa frequente em faturação, saúde, recursos humanos e compliance, e costuma exigir código específico ou modelos generalistas caros. Se a abordagem se confirmar em testes independentes, pode reduzir custos e latência para empresas que processam documentos em volume. Antes de qualquer decisão de adoção, as equipas devem testar a ferramenta com os seus próprios documentos, incluindo formatos e línguas que o artigo não detalha.

Fontes

Dharma Field Extractor: Any Document In, Structured Fields in JSON OutHugging Face ↗