미스트랄 AI가 복잡한 문서의 구조와 내용을 정확하게 인식할 수 있도록 개선한 전용 문서 인식 모델 ‘미스트랄 OCR 4.1’을 공개했다. 단순히 문자를 읽는 수준을 넘어 여러 단으로 구성된 문서와 기술 도면, 표, 인용 목록 등 복잡한 레이아웃을 원래 형태에 가깝게 유지하면서 디지털 데이터로 변환하는 데 초점을 맞췄다.

미스트랄 AI는 13일(현지시간) 개발자 플랫폼을 통해 미스트랄 OCR 4.1을 선보였다.

기존 'OCR 4'를 기반으로 문서 내 문자와 이미지 등 각 요소의 위치를 표시하는 바운딩 박스 정확도를 높인 것이 핵심이다. 특히 복잡하게 표시된 페이지에서도 각 콘텐츠 요소에 맞춰 바운딩 박스를 정밀하게 배치하며, 기존처럼 위치가 어긋나거나 이미지 영역이 서로 중첩되는 문제를 줄였다.

문서의 레이아웃을 보존하는 능력도 강화됐다. 여러 개의 단으로 구성된 문서에서는 각 단의 구조를 유지하면서 내용을 인식하며, 신문처럼 한 페이지가 4개 단으로 나뉜 문서도 각 영역을 구분해 처리할 수 있다. 기술 도면처럼 설명이나 주석이 여러 영역에 배치된 문서에서도 서로 다른 설명 영역을 하나로 합치지 않고 개별 요소로 인식한다.

또 기존에는 여러 개의 인용 항목을 하나의 큰 영역으로 묶어 반환할 가능성이 있었지만, OCR 4.1에서는 각각의 인용에 하나의 바운딩 박스를 할당해 문서 구조를 정확하게 보존한다. 복잡한 페이지에서 일부 텍스트 블록을 놓치는 문제도 줄였다.

문자 인식 정확도도 개선됐다. 문서에 사용된 큰따옴표를 작은따옴표로 임의 변환하지 않고 원문의 형태를 그대로 유지한다. 체크박스도 더 다양한 형태를 인식할 수 있게 됐으며, 오른쪽에서 왼쪽으로 읽는 언어가 포함된 표를 처리하는 능력도 향상됐다.

미스트랄 OCR 4.1은 기업의 문서 자동화와 데이터 처리 업무를 겨냥한 특화형 비전·멀티모달 모델이라는 점에서도 주목된다. 기업들은 PDF, 재무제표, 기술 문서, 양식, 표와 같은 비정형 데이터를 디지털 시스템에서 활용하기 위해 OCR과 문서 분석 기술을 필요로 하지만, 기존 OCR 소프트웨어는 복잡한 레이아웃을 제대로 처리하지 못하는 경우가 많았다. 범용 대형언어모델(LLM)을 이용하면 높은 정확도를 얻을 수 있지만, 대규모 문서 처리에서는 비용과 지연시간이 문제가 될 수 있다.

미스트랄은 OCR 4.1을 문서 인식이라는 특정 작업에 최적화함으로써 이러한 문제를 해결하는 데 초점을 맞췄다. 복잡한 표와 계층적인 문서 구조, 다단 레이아웃 등을 분석하고 결과를 기계가 처리하기 쉬운 JSON이나 마크다운 형태로 변환할 수 있도록 설계됐다. 이를 통해 기업은 대량의 문서를 자동으로 분석하고 데이터베이스나 업무 시스템에 연결하는 작업을 효율적으로 수행할 수 있다.

특히 전문적인 문서 처리에서는 단순히 텍스트를 추출하는 것보다 문서의 구조를 보존하는 것이 중요하다. 제목과 본문, 표, 각주, 이미지, 설명 영역 등의 관계가 유지돼야 추출된 데이터를 검색하거나 다른 AI 시스템에서 후속 처리할 수 있기 때문이다. OCR 4.1의 바운딩 박스와 레이아웃 인식 개선은 이러한 문서 구조화 작업을 겨냥한 것으로 풀이된다.

기존 ‘mistral-ocr-latest’ 모델을 사용하고 있는 개발자는 별도의 모델명을 지정하지 않아도 OCR 4.1의 개선 사항을 적용받을 수 있다. 이에 따라 기존 문서 처리 파이프라인을 크게 변경하지 않고도 새로운 OCR 모델의 향상된 인식 성능을 활용할 수 있다.

박찬 기자 cpark@aitimes.com