텐센트가 문서·이미지·음성 입력을 구조화 JSON으로 파싱하는 5B 모델을 공개했다.

• 문서·이미지·음성·영상 등을 구조화 JSON으로 변환하는 5B 멀티모달 파싱 모델이 소개됐다.
• 인식 결과뿐 아니라 캡션·서술·보고 성격의 결과까지 하나의 출력 체계에 담는다고 한다.
• 실무 활용 전에는 입력별 정확도, 민감정보 처리, 원문 검증 절차를 확인할 필요가 있다.

발췌에 따르면 Youtu-Parsing-Omni는 문서 페이지, 자연 이미지, 차트·플로차트, 기하 도형, 오디오 클립, 음성·영상 입력을 처리하는 소형 멀티모달 파싱 모델이다. 결과는 하나의 구조화 JSON 형식으로 제공되며, 입력 유형과 작업 프롬프트에 따라 출력 계열을 선택하는 방식으로 보인다.

출력 범위에는 레이아웃 요소, 텍스트, 표, 수식, 바운딩박스, 타임스탬프, ASR, OCR, 음향 이벤트, 카메라 움직임 등 인식 정보가 포함된다. 여기에 캡션, 서술, 보고서 등 해석·서술 성격의 결과도 포괄한다고 소개됐지만, 각 결과의 정확도와 지원 언어·파일 형식은 발췌만으로는 확인되지 않는다.

법률·세무·노무·회계 실무에서는 계약서·증빙·재무자료·녹취·현장영상처럼 형식이 제각각인 자료를 검색·분류·검토 가능한 데이터로 바꾸는 업무와 연결될 수 있다. 특히 표와 수식, 문서 위치정보를 JSON으로 받을 수 있다면 후속 검증 시스템이나 문서관리 시스템에 연계하기 쉬워질 수 있으나, 추출값을 원자료나 공식 기록으로 대체할 수 있는지는 별도 검증이 필요하다.

도입 검토 시에는 필요한 입력 유형별 성능, JSON 스키마의 안정성, 민감정보 처리 방식, 온프레미스 또는 외부 전송 여부를 확인할 지점이다. 문서의 누락·오인식과 표·수식 파싱 오류가 실무 판단에 미치는 영향을 고려해 원문 대조 절차도 함께 점검할 필요가 있다.

본문은 수집한 기사의 제목과 발췌를 바탕으로 AI가 정리한 해설입니다. 수치·날짜·조문 등 세부 사실은 원문에서 확인하세요.