文 | 智能相對(duì)論

作者 | 陳泊丞

報(bào)銷發(fā)票的整理、歸納和處理在公司的日常運(yùn)行中扮演著極為重要的角色，但同時(shí)這又是一件極為繁瑣且重復(fù)性較強(qiáng)的工作，那么我們是否可以基于AI技術(shù)打造一個(gè)智能化的發(fā)票助手，幫助財(cái)會(huì)人員快速識(shí)別發(fā)票信息、整理歸檔，全面提供工作效率？基于這個(gè)想法，我們嘗試了多款大模型產(chǎn)品，發(fā)現(xiàn)智譜多模態(tài)大模型GLM-4V-Flash的推出，正好可以很好地支持我們創(chuàng)建一個(gè)智能化的發(fā)票助手，為財(cái)會(huì)工作帶來全新的解決方案。

01、什么是GLM-4V-Flash？

GLM-4V-Flash是智譜開放平臺(tái)（bigmodel.cn）新上線的免費(fèi)的視覺理解模型。自此，智譜迎來全免費(fèi)最強(qiáng)“全家桶”產(chǎn)品，不僅基于4V系列模型的各項(xiàng)優(yōu)秀能力，更在圖像處理上實(shí)現(xiàn)了精確度的提升，具備多語言、多模態(tài)處理能力，支持包括中文、英語、日語、韓語、德語在內(nèi)的26種語言，并支持圖像描述生成、圖像分類、視覺推理、視覺問答（VQA）以及圖像情感分析等高級(jí)圖像處理功能。

基于智譜開放平臺(tái)的“全家桶”產(chǎn)品，能夠針對(duì)特定垂直行業(yè)提供精準(zhǔn)的場景解決方案，以低成本投入助力開發(fā)者迅速融入大模型時(shí)代，無需顧慮大模型圖像處理的高昂成本。同時(shí)，GLM-4V-Flash無論是在信息提取、內(nèi)容創(chuàng)作，還是圖片識(shí)別等領(lǐng)域都具備不錯(cuò)的性能表現(xiàn)和效果反饋，真正將模型的基礎(chǔ)能力轉(zhuǎn)化為實(shí)際應(yīng)用場景解決方案。

02、基于GLM-4V-Flash，如何打造智慧發(fā)票助手？

智慧發(fā)票助手是一個(gè)多學(xué)科交叉應(yīng)用的結(jié)果，涉及OCR、NLP、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)等多個(gè)領(lǐng)域的技術(shù)協(xié)同工作，以確保發(fā)票信息的快速、準(zhǔn)確提取和處理。隨著技術(shù)的發(fā)展與應(yīng)用的深入，這一系統(tǒng)的準(zhǔn)確性和效率也會(huì)不斷提高，從而輔助財(cái)會(huì)人員高效地處理相關(guān)工作。

智慧發(fā)票助手的打造需要用到GLM-4V-Flash以下這些能力：

1.多模態(tài)處理能力：用于分析發(fā)票圖像的整體布局，識(shí)別文本內(nèi)容、表格、框線和其他視覺元素，這對(duì)于正確解析復(fù)雜格式（特別是非結(jié)構(gòu)化的數(shù)據(jù)）的發(fā)票至關(guān)重要。此外，這一能力還可以用來檢測發(fā)票的完整性（例如是否有缺失部分）以及是否為篡改過的文件，以確保發(fā)票的合規(guī)性。

2.多語言理解能力：考慮跨國企業(yè)或跨國業(yè)務(wù)需求，會(huì)有不同國家的發(fā)票報(bào)銷，可用于識(shí)別不同國家的語言，拓展智慧發(fā)票助手的應(yīng)用范圍。

3.規(guī)則引擎：根據(jù)預(yù)定義的業(yè)務(wù)邏輯和法規(guī)要求來驗(yàn)證發(fā)票信息的正確性和合規(guī)性。例如，檢查稅率是否正確應(yīng)用，或者確認(rèn)發(fā)票上的公司注冊(cè)號(hào)是否存在并有效等等。

4.自適應(yīng)學(xué)習(xí)與自動(dòng)化工作流：隨著應(yīng)用深化，智慧發(fā)票助手將可以形成一個(gè)完整的發(fā)票處理流水線，從接收到發(fā)票圖片開始，經(jīng)過多模態(tài)處理、識(shí)別，再到最終的驗(yàn)證和歸檔，整個(gè)過程都可以被高度自動(dòng)化，同時(shí)還可以根據(jù)新出現(xiàn)的發(fā)票類型或用戶提供的反饋不斷優(yōu)化自身的性能。

03、GLM-4V-Flash實(shí)操

一、API調(diào)用申請(qǐng)

打開鏈接：

https://bigmodel.cnutm_source=4&utm_campaign=yrgzh&_channel_track_key=ztOmCKeq

2.申請(qǐng)調(diào)用：GLM-4V支持同步調(diào)用

二、以下為調(diào)用實(shí)操：

在這里，我們調(diào)用了GLM-4V-Flash系列模型，以實(shí)現(xiàn)圖像內(nèi)容的精準(zhǔn)識(shí)別，來完成對(duì)報(bào)銷發(fā)票的處理。

同時(shí)，為了讓應(yīng)用更像一個(gè)智能化的AI助手，我們還簡單地對(duì)其進(jìn)行了命名，叫作“鈴聲易寫1.0”，并配上「智能相對(duì)論」的圖標(biāo)Logo，以及對(duì)文字內(nèi)容進(jìn)行了區(qū)別配色，輸出為一個(gè)直觀的聊天窗口，只需要對(duì)話即可完成智慧發(fā)票助手的工作。

上傳發(fā)票信息：為了進(jìn)一步測試性能，我們選擇了把所有發(fā)票整理到同一個(gè)文件夾內(nèi)，同時(shí)上傳。

我們?cè)诰W(wǎng)上找了兩張不同的發(fā)票，分別為紙質(zhì)中文發(fā)票照片、電子中文發(fā)票圖片，來讓GLM-4V-Flash進(jìn)行識(shí)別。

識(shí)別成功：我們還讓GLM-4V-Flash在識(shí)別后自動(dòng)歸納重點(diǎn)信息，并輸出為一個(gè)csv表格，方便財(cái)會(huì)人員查看、校對(duì)。

從輸出表格信息可見，GLM-4V-Flash成功識(shí)別了報(bào)銷發(fā)票的重要信息，包括買賣雙方名稱、稅號(hào)和消費(fèi)金額、稅率、稅額等等。

當(dāng)我們只上傳一張發(fā)票圖片，不需要GLM-4V-Flash輸出表格，而是完整的識(shí)別信息，可以看到GLM-4V-Flash基于多模態(tài)處理能力，會(huì)對(duì)整張發(fā)票進(jìn)行全面的識(shí)別，精準(zhǔn)歸納出圖片上的一切信息，甚至是發(fā)票的蓋章情況。

也就是說，如果能進(jìn)一步用好GLM-4V-Flash的這一能力，我們所打造的智慧發(fā)票助手不僅能識(shí)別發(fā)票信息，甚至還可以驗(yàn)證發(fā)票的蓋章情況，確認(rèn)合規(guī)性，又進(jìn)一步節(jié)省了財(cái)會(huì)人員的校對(duì)流程，大大提高工作效率。

為了進(jìn)一步驗(yàn)證GLM-4V-Flash的多語言識(shí)別能力，同時(shí)考慮到外國沒有發(fā)票形式，大多采用消費(fèi)單據(jù)來作為報(bào)銷憑證，結(jié)合實(shí)際場景需求，我們又上傳了一張全英文的消費(fèi)單據(jù)。

結(jié)果顯示，GLM-4V-Flash依舊可以很好地識(shí)別消費(fèi)單據(jù)的具體內(nèi)容，且條理非常清晰。那么，我們只需要進(jìn)一步像前面那樣，讓GLM-4V-Flash將這些信息整理歸納，并輸出到同一張csv表格中，就能統(tǒng)一不同國家發(fā)票、單據(jù)的報(bào)銷匯總。

當(dāng)然，若要得到一個(gè)更“聰明”的智慧發(fā)票助手，我們還需要進(jìn)一步預(yù)定義GLM-4V-Flash的業(yè)務(wù)邏輯和法規(guī)要求，從而讓其更好地識(shí)別、驗(yàn)證并歸納公司發(fā)票信息。但是，不可否認(rèn)，有了上述這些強(qiáng)大能力的支持，我們想要基于智譜開放平臺(tái)來打造一個(gè)智慧發(fā)票助手，并不復(fù)雜。

04、人人都能開啟企業(yè)的數(shù)智化轉(zhuǎn)型升級(jí)

基于實(shí)操表現(xiàn)來看，GLM-4V-Flash具備強(qiáng)大的多模態(tài)處理能力、多語言識(shí)別能力，不需要開發(fā)者做過多的操作就能調(diào)用，用于打造一個(gè)不錯(cuò)的智慧發(fā)票助手。那么，在這個(gè)基礎(chǔ)上，只要我們基于智譜開放平臺(tái)，根據(jù)不同的業(yè)務(wù)需求打造多個(gè)AI助手，再進(jìn)行匯總、協(xié)同，融入公司的數(shù)智化流程以及加入公司的外掛知識(shí)庫進(jìn)行訓(xùn)練、微調(diào)，我們很容易就能實(shí)現(xiàn)公司的數(shù)智化轉(zhuǎn)型。

比如，我們現(xiàn)在已經(jīng)擁有了一個(gè)智能識(shí)別、整理歸納的智慧發(fā)票助手，再把智慧發(fā)票助手與公司OA（如供應(yīng)鏈采購、員工差旅、營銷活動(dòng)等）結(jié)合起來，自動(dòng)識(shí)別各種重要節(jié)點(diǎn)的發(fā)票信息，并智能化生成各種電子報(bào)表，就能協(xié)助財(cái)會(huì)部分做好財(cái)務(wù)管理、成本控制等，同時(shí)也更好地協(xié)助業(yè)務(wù)部門的工作。而這樣的能力再拓展，用于合同管理、檔案歸納等重要文書工作，也將加速公司資產(chǎn)數(shù)智化，全面推進(jìn)公司轉(zhuǎn)型升級(jí)。

可以預(yù)想，隨著智譜開放平臺(tái)“全家桶”產(chǎn)品的開放調(diào)用，企業(yè)的數(shù)智化轉(zhuǎn)型也就有了非常強(qiáng)大的技術(shù)能力支持，只需要基于公司對(duì)業(yè)務(wù)的理解和需求，再進(jìn)行簡單的調(diào)用、開發(fā)，就能很容易得到一個(gè)全面且強(qiáng)大的AI應(yīng)用，支持各類重點(diǎn)業(yè)務(wù)的發(fā)展。智譜開放平臺(tái)的技術(shù)能力是沒問題的，重點(diǎn)在于公司應(yīng)該如何去用它，構(gòu)建自己的AI應(yīng)用模式。

*本文圖片均來源于網(wǎng)絡(luò)

生成海報(bào)

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評(píng)論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀點(diǎn)，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。