未來屬于會用AI的企業(yè)！自己做的免費智慧發(fā)票助手，簡單又強大

文 | 智能相對論

作者 | 陳泊丞

報銷發(fā)票的整理、歸納和處理在公司的日常運行中扮演著極為重要的角色，但同時這又是一件極為繁瑣且重復性較強的工作，那么我們是否可以基于AI技術打造一個智能化的發(fā)票助手，幫助財會人員快速識別發(fā)票信息、整理歸檔，全面提供工作效率？基于這個想法，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)建一個智能化的發(fā)票助手，為財會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（bigmodel.cn）新上線的免費的視覺理解模型。自此，智譜迎來全免費最強“全家桶”產(chǎn)品，不僅基于4V系列模型的各項優(yōu)秀能力，更在圖像處理上實現(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圖像處理功能。

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

02、基于GLM-4V-Flash，如何打造智慧發(fā)票助手？

智慧發(fā)票助手是一個多學科交叉應用的結果，涉及OCR、NLP、計算機視覺、機器學習等多個領域的技術協(xié)同工作，以確保發(fā)票信息的快速、準確提取和處理。隨著技術的發(fā)展與應用的深入，這一系統(tǒng)的準確性和效率也會不斷提高，從而輔助財會人員高效地處理相關工作。

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，識別文本內容、表格、框線和其他視覺元素，這對于正確解析復雜格式（特別是非結構化的數(shù)據(jù)）的發(fā)票至關重要。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)務需求，會有不同國家的發(fā)票報銷，可用于識別不同國家的語言，拓展智慧發(fā)票助手的應用范圍。

3.規(guī)則引擎：根據(jù)預定義的業(yè)務邏輯和法規(guī)要求來驗證發(fā)票信息的正確性和合規(guī)性。例如，檢查稅率是否正確應用，或者確認發(fā)票上的公司注冊號是否存在并有效等等。

4.自適應學習與自動化工作流：隨著應用深化，智慧發(fā)票助手將可以形成一個完整的發(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、識別，再到最終的驗證和歸檔，整個過程都可以被高度自動化，同時還可以根據(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實操

一、API調用申請

打開鏈接：

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

2.申請調用：GLM-4V支持同步調用

二、以下為調用實操：

在這里，我們調用了GLM-4V-Flash系列模型，以實現(xiàn)圖像內容的精準識別，來完成對報銷發(fā)票的處理。

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

上傳發(fā)票信息：為了進一步測試性能，我們選擇了把所有發(fā)票整理到同一個文件夾內，同時上傳。

我們在網(wǎng)上找了兩張不同的發(fā)票，分別為紙質中文發(fā)票照片、電子中文發(fā)票圖片，來讓GLM-4V-Flash進行識別。

識別成功：我們還讓GLM-4V-Flash在識別后自動歸納重點信息，并輸出為一個csv表格，方便財會人員查看、校對。

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

當我們只上傳一張發(fā)票圖片，不需要GLM-4V-Flash輸出表格，而是完整的識別信息，可以看到GLM-4V-Flash基于多模態(tài)處理能力，會對整張發(fā)票進行全面的識別，精準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)票助手不僅能識別發(fā)票信息，甚至還可以驗證發(fā)票的蓋章情況，確認合規(guī)性，又進一步節(jié)省了財會人員的校對流程，大大提高工作效率。

為了進一步驗證GLM-4V-Flash的多語言識別能力，同時考慮到外國沒有發(fā)票形式，大多采用消費單據(jù)來作為報銷憑證，結合實際場景需求，我們又上傳了一張全英文的消費單據(jù)。

結果顯示，GLM-4V-Flash依舊可以很好地識別消費單據(jù)的具體內容，且條理非常清晰。那么，我們只需要進一步像前面那樣，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)的報銷匯總。

當然，若要得到一個更“聰明”的智慧發(fā)票助手，我們還需要進一步預定義GLM-4V-Flash的業(yè)務邏輯和法規(guī)要求，從而讓其更好地識別、驗證并歸納公司發(fā)票信息。但是，不可否認，有了上述這些強大能力的支持，我們想要基于智譜開放平臺來打造一個智慧發(fā)票助手，并不復雜。

04、人人都能開啟企業(yè)的數(shù)智化轉型升級

基于實操表現(xiàn)來看，GLM-4V-Flash具備強大的多模態(tài)處理能力、多語言識別能力，不需要開發(fā)者做過多的操作就能調用，用于打造一個不錯的智慧發(fā)票助手。那么，在這個基礎上，只要我們基于智譜開放平臺，根據(jù)不同的業(yè)務需求打造多個AI助手，再進行匯總、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庫進行訓練、微調，我們很容易就能實現(xiàn)公司的數(shù)智化轉型。

比如，我們現(xiàn)在已經(jīng)擁有了一個智能識別、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（如供應鏈采購、員工差旅、營銷活動等）結合起來，自動識別各種重要節(jié)點的發(fā)票信息，并智能化生成各種電子報表，就能協(xié)助財會部分做好財務管理、成本控制等，同時也更好地協(xié)助業(yè)務部門的工作。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，全面推進公司轉型升級。

可以預想，隨著智譜開放平臺“全家桶”產(chǎn)品的開放調用，企業(yè)的數(shù)智化轉型也就有了非常強大的技術能力支持，只需要基于公司對業(yè)務的理解和需求，再進行簡單的調用、開發(fā)，就能很容易得到一個全面且強大的AI應用，支持各類重點業(yè)務的發(fā)展。智譜開放平臺的技術能力是沒問題的，重點在于公司應該如何去用它，構建自己的AI應用模式。

*本文圖片均來源于網(wǎng)絡

生成海報

免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內容主要來自原創(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確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。