最近、研究者らが、GOT（汎用OCR理論）と呼ばれる新しい汎用光学文字認識（OCR）モデルを開発しました。彼らの論文では、「OCR2.0」という概念が初めて提案されており、この新しいモデルは、従来のOCRシステムの長所と大規模言語モデルの強力な機能を組み合わせることを目指しています。GOTのアーキテクチャは非常に高度で、約8000万パラメータの画像エンコーダと500万パラメータのデコーダが含まれています。画像エンコーダは、1024x1024ピクセルの画像を処理できます。

デジタル時代において、画像内のテキストコンテンツを迅速に編集可能なテキストに変換することは、一般的で重要なニーズです。今回、GOT（汎用光学文字認識理論）と呼ばれる新しい光学文字認識（OCR）モデルが登場し、OCR技術は2.0時代に入りました。この革新的なモデルは、従来のOCRシステムと大規模言語モデルの長所を組み合わせ、より効率的でインテリジェントなテキスト認識ツールを目指しています。GOTモデルは、革新的なエンドツーエンドアーキテクチャを採用しており、これはリソースの節約だけでなく、大幅な効率化にもつながります。

最近、GOT-OCR2.0というエンドツーエンドOCRモデルが業界で大きな注目を集めています。このモデルは、通常のテキスト認識タスクだけでなく、数式、表、楽譜などの複雑なコンテンツにも対応でき、OCR分野の万能選手と言えるでしょう。GOT-OCR2.0の最大の強みはその多様な機能と優れた性能です。まず、このモデルは主に中国語と英語の文字認識をサポートしており、さらに微調整することで、より多くの言語に対応できるようになります。この言語対応力により、GOT-OCR2.0は国際的なアプリケーションに最適です

連邦通信委員会（FCC）は、ニューハンプシャー州の有権者に影響を与えるために偽のジョー・バイデン大統領の音声ロボット電話を流布したとして、通信会社Lingo Telecomに100万ドルの罰金を科しました。調査によると、この電話の背後にいるのは政治顧問のSteve Kramer氏であり、FCCは以前、彼に600万ドルの罰金を科すことを提案していました。Lingoとの合意により、FCCは同社に対し、今後、発信者番号の認証規則を厳格に遵守し、「お客様を知る」(KYC)を含むことを求めています。

Got It AIは、顧客サービスと営業オペレーション向けのAIアシスタントであるAgent Copilotを発表しました。Agent Copilotは、生成AIとガードレールを組み合わせることで、迅速かつ正確な情報検索を提供し、顧客とのインタラクションを強化し、応答時間を短縮します。Agent Copilotは、複数のデータソースと統合でき、複数回の会話に対応し、企業固有のオンプレミス展開もサポートします。