🧩 Қауымдастыққа арналған тапсырма: Жергілікті OCR PDF сканерлері (RU/KK) Gemini орнына Бұл не туралы Біздің сервисте (ҚР мемлекеттік қызметтері үшін құжаттар пакетін тексеру) жүктелген PDF-тен одан әрі талдау үшін мәтін алынады. Көптеген файлдарда мәтіндік қабат бар және жергілікті жерде парсимонияланған. Бірақ бір бөлігі мәтіндік қабатсыз сканерлермен келеді-оларды қазір бұлтты Google Gemini 2.5 Flash таниды. Біз бұлттан алыстап, оны жергілікті жерде, хостингте жасағымыз келеді. Не істеу керек PDF сканерін қабылдайтын және алынған мәтінді қайтаратын Модуль (plain text, UTF-8) сөзбе-сөз және дұрыс оқу ретімен. Сыртқы API жоқ офлайн режимінде жұмыс істеуі керек. Документов️ құжат түрі бойынша маңызды ескерту Бұл төлқұжаттарды, куәліктерді, күрделі бланкілерді немесе қолжазбаларды тану емес. Сканерлеу-бұл қарапайым мәтіндік құжаттар: жарғылар, анықтамалар, шарттар, бизнес-жоспарлар, хаттар. Яғни: негізінен қатты басылған мәтін, 1 баған; машиналық шрифт (қолжазба емес); төменгі жағында қарапайым кестелер, басып шығару/қолтаңба болуы мүмкін-бірақ бұл негізгі мазмұн емес. Бұл тапсырманы өте жеңілдетеді: күрделі орналасу үшін мультимодальды LLM деңгейіндегі "интеллект" қажет емес — мәтіннің сенімді OCR баспа RU/KK қажет. Ерекшелігі Тілдер: орыс + қазақ (ә ғ қ ҚХА ө ұ а һ і), кейде бір құжатта. Сапа: әртүрлі сападағы сканерлер (қисаю, Шу, DPI 150-300). Сыни: сандар, сомалар, БСН/ЖСН (12 Сан), күндер — цифрдағы қатеге жол берілмейді. Кіру: 15 МБ дейін PDF, 1-30 бет. Шығу: UTF-8 мәтін, жоғарыдан төменге / солдан оңға қарай Тапсырыс; кестелер-жол бойынша. Интеграция: PHP модулі немесе PHP-ден шақырылған жергілікті CLI/HTTP қызметі (стек — CodeIgniter 4 / PHP 8.2). Рұқсат етілген стек Хостингке қойылғанның бәрі: Tesseract 5 (rus + KAZ LSTM), PaddleOCR / EasyOCR, docTR; растерлеу PDF→сурет (pdftoppm / Ghostscript); алдын ала өңдеу (OpenCV / ImageMagick: deskew, denoise, binarize). Комбинациялар құпталады. Қабылдау критерийлері ЭТАЛОН: анықтамалық мәтінмен ~150-200 нақты иесіздендірілген PDF (RU/KK) жиынтығын ұсынамыз. Көрсеткіштер: CER / WER және эталон; Field-accuracy маңызды өрістер бойынша (БСН, сомалар, күндер). Мақсаты: дәлдік бірдей жиынтықта Gemini 2.5 Flash-тен жаман емес (оның нәтижелерін baseline ретінде жариялаймыз). Өнімділік: бір құжатқа ≤ N секунд (темірмен нақтылау), толығымен жергілікті. Сабмит форматы + README коды бар Репозиторий(орнату, тәуелділіктер, іске қосу). Cer/WER және field-accuracy беретін эталондық сценарий. Құбырдың қысқаша сипаттамасы. Мерзімі: 01.10.26