ABBYY将其 FineReader OCR（光学字符识别）引擎封装成一个可自主部署的工具，用于将文档转换为结构化文本，以便人工智能系统能够使用这些文本。该公司新推出的 FineParser 可以在基于 CPU 的 Docker 容器中运行，无需使用 GPU。该工具在提取文档内容的同时，会保留文档的原有布局。它能够处理多种语言的文档图像，并将其转换为结构化、格式化的文本，从而便于使用现代的生成式人工智能（如大型语言模型，LLMs）进行处理。

这并非 FineParser 的唯一用途：该公司表示，该工具还可以帮助将纸质文档导入现代的内容管理系统（CMS），或用于文档归档，也可以作为生产流程中的一个环节。ABBYY 将 FineParser 的处理方式称为“确定性”人工智能（即该工具会精确地提取文档的文本和结构，而不会生成随意的、可能具有误导性的内容）。提取出的数据可以进一步传递给生成式人工智能系统进行处理；不过生成式人工智能的输出结果往往具有较高的不确定性。

ABBYY 还提供了自己开发的开源机器学习框架 NeoML，该框架可在 GitHub 上获取。该公司还为希望将 FineReader 引擎集成到自家产品中的企业提供了相应的 OCR 开发工具包（SDK）。需要注意的是，FineParser 本身并非开源软件，但 ABBYY 在 GitHub 上维护了一个用于示例代码和社区支持的仓库。该工具提供免费试用版本，允许用户在一年内每月处理 1,000 页文档。若需更高级的功能，用户需要购买订阅服务；完全离线部署则需要使用企业级（Enterprise）方案。

在处理文档时，FineParser 能够准确识别文档中的列、标题和表格（即使这些表格没有边框），而不会返回一堆杂乱无章的文本。此外，FineParser 还支持手写文本以及超过 200 种语言的识别。开发者可以通过 FineParser 的 REST API 提交文档，并以纯文本、JSON 或 DocLang（一种专为大型语言模型设计的紧凑格式）的形式接收处理结果。ABBYY 强调：在让大型语言模型使用文档之前，首先需要有一个工具能够正确地读取这些文档的内容。

ABBYY坚信，其多年来一直采用的OCR（光学字符识别）技术——该技术依赖CPU进行处理，同时保留文档的排版格式，并将文本生成的任务交给其他工具来完成——在人工智能处理流程中依然具有重要的价值。有时候，那些看似“过时”的技术方法，恰恰是最实用、最有效的解决方案。®