CambioML

AnyParser란

AnyParser는 일반 텍스트 추출로는 망가지기 쉬운 문서를 읽는 API이자 Python SDK다. PDF, Word 파일, 슬라이드, 인쇄된 페이지를 찍은 사진을 넣으면 제목 계층과 읽기 순서를 유지한 Markdown이 나온다. 표를 요청하면 HTML, 항목을 요청하면 JSON이 온다.

CambioML은 흔한 OCR과 템플릿 조합 대신 비전 언어 모델을 파서 엔진으로 삼았다. 잘 동작하는 이유 대부분이 여기서 나온다. 스캔한 청구서와 디지털로 만든 보고서가 같은 호출로 처리되고, 문서 종류마다 레이아웃 규칙을 새로 쓸 필요가 없다. 뒤죽박죽인 종이 서류를 검색 시스템에 밀어 넣는 팀이라면 설정 작업이 크게 줄어든다.

한계는 세 군데다. 출력은 결국 모델이 페이지를 읽은 결과라서, 밀도 높은 표와 흐린 스캔은 숫자가 데이터베이스로 들어가기 전에 한 번 확인해야 한다. anyparser.com은 지금 출시 예정 페이지만 띄우고 있고, CambioML 공식 사이트는 보험업 문서 자동화를 앞세우고 있다. 실무에서는 문서 사이트가 확실한 입구다. 무료 한도를 넘는 가격은 결제 페이지가 아니라 영업 협의로 정해져서 비용 산정이 느리다.

시작하기

1. CambioML 계정 페이지에서 API 키를 만든다. 계정마다 100페이지 무료 한도가 붙고, 무료 키는 호출당 10페이지까지 처리한다.
2. pip install any-parser로 SDK를 설치하고 키를 CAMBIO_API_KEY 같은 환경 변수에 넣는다. Python을 피하고 싶다면 REST API를 그대로 쓰면 된다.
3. 짧은 파일은 ap.parse(file_path=...)로 동기 파싱한다. 동기 엔드포인트는 30초에 끊기므로 한두 페이지 문서에 맞다.
4. 긴 파일은 async_parse와 async_fetch로 바꾼다. 첫 호출이 파일 ID를 주고, 처리가 끝난 뒤 두 번째 호출로 Markdown을 가져온다.
5. 필요한 출력을 고른다. 전체 Markdown, HTML 표, JSON 키-값, 개인정보 중 하나다. 남은 페이지는 /query 엔드포인트의 pageRemaining으로 확인한다.