多语言提取
开箱即用的阿拉伯语（原生）和英语，并可配置其他 RTL 和 LTR 语言的提取器。支持印刷体、打字体和手写体。
- Arabic
- English
- Handwriting
数据与 AI · 文档 AI · Smart OCR
文档进，结构化记录出。
从身份证件、发票、合同和手写体中提取阿拉伯语和英语内容：结构化 JSON 存入 S3，供给 Bedrock 知识库。
Smart OCR 是 Phoenix 产品化的文档 AI 流水线，已上架 AWS Marketplace。它读取阿拉伯语和英语文档（包括手写体），并将结构化 JSON 交付到 Amazon S3，供下游系统、RAG 知识库和仪表盘直接消费。
部署在客户自己的 AWS 账户中，文档永远不离开客户的数据边界。作为产品销售，在同一核心流水线上按客户调优。
服务范围。
文档类型
身份证件与护照、发票与收据、合同、KYC 材料、医疗文档、政府表单、表格数据：按文档类型配置提取模板。
- IDs
- Invoices
- Contracts
- Forms
结构化 JSON 存入 S3
每份提取的文档都变成 Amazon S3 中带字段级置信度分数的规范化 JSON 记录：供 BI 使用、集成到 SAP 或 CRM、索引到 Bedrock。
- S3
- JSON
- Confidence scores
Bedrock 就绪
提取流水线直接对接 Amazon Bedrock 知识库：同一文档语料成为企业副驾驶的 RAG 数据源。
- Bedrock KBs
- RAG-ready
交付方法。
-
01
界定
文档类型、语言、数量、目标下游系统：按每页阶梯定价。
-
02
部署
产品安装到客户自己的 AWS 账户：数据留在客户边界内。
-
03
调优
按文档类型配置提取模板；样本语料按准确率目标做基准测试。
-
04
扩展
数量爬坡，集成接入 SAP / CRM / 知识库，持续的准确率监控。
明确的交付物。
每个项目都交付具体的成果物，而非一堆幻灯片。
- 部署在您 AWS 账户内的 Smart OCR 产品
- 按文档类型配置并通过基准测试的提取模板
- 落在您 Amazon S3 存储桶中的结构化 JSON 输出
- 与 SAP、CRM、BI 或 Bedrock 知识库的下游集成
- 带字段级置信度评分的准确率仪表盘
- 新文档类型接入时的持续调优
常见问题
Smart OCR 与开源 OCR 或 Amazon Textract 有何不同？
Smart OCR 是针对阿拉伯语、英语和手写体调优的产品化流水线，配有按文档类型的提取模板（证件、发票、合同、KYC）、置信度评分，以及可供下游系统直接使用的 S3 JSON 输出。它构建于 AWS 服务之上（在合适处包括 Textract），但作为产品交付，而非工具包。
文档数据会离开我们的 AWS 账户吗？
不会。Smart OCR 部署在客户自己的 AWS 账户中。文档在账户内提取，JSON 输出落在客户自己的 S3 存储桶，一切都留在客户的数据边界内。
开箱支持哪些文档类型？
身份证件与护照、发票与收据、合同、KYC 材料、医疗文档、政府表单和表格数据。新文档类型通过配置提取模板添加：通常以天计，而非以周计。
准确率如何监控和改进？
每个提取字段都带置信度分数。按文档类型的仪表盘报告准确率和低置信度比例。高价值文档可接入人工复核（human-in-the-loop），低置信度样本回流用于提取器调优。
Smart OCR 能为 Bedrock RAG 副驾驶供数吗？
可以，这正是设计形态。提取的 JSON 以已规范化的形式存储在 S3，接入 Amazon Bedrock Knowledge Bases 只是直接的索引步骤。同一语料成为企业副驾驶的事实基础。
