重點整理
- NeoMME 能直接看懂文件圖片，保留排版與圖表等視覺線索。
- 免用傳統 OCR 轉換，降低文字辨識錯誤與前置處理時間。
- 輕量化模型處理速度快，每秒可處理約 51 頁高解析度文件。
- 透過壓縮技術，每頁文件索引儲存空間縮小 255 倍且不失準。
每天在公司內部找合約、報價單或行銷素材，是不是常覺得很崩潰？傳統搜尋只能找「文字」，但很多重要資訊藏在圖片、圖表或特殊排版裡。最近 AI 領域推出了一款名為 NeoMME 的新工具，它能直接「看懂」文件圖片，幫企業打造更聰明的內部搜尋引擎。這篇文章帶你了解這項技術如何改變企業的文件管理。
告別繁瑣 OCR，AI 直接「看懂」文件圖片
過去企業要建立文件搜尋系統，通常得先使用 OCR（光學字元辨識，把圖片轉成純文字的工具）將文件轉成文字，再進行搜尋。但這種做法有個大痛點：一旦遇到複雜排版、圖表或特殊字體，文字轉換就容易出錯或遺漏資訊。
NeoMME 採用了「視覺文件檢索」（讓 AI 直接透過圖片畫面來搜尋文件的技術）的概念。它不需要先把文件轉成文字，而是直接把文件頁面當作「圖片」來理解。這意味著，文件中的字體大小、表格結構、版面配置等視覺線索都會被完整保留。就算文件裡有複雜的財務報表或設計稿，AI 也能精準找到你要的那一頁，不用再依賴容易出錯的文字轉換步驟。
模型小、速度快，企業導入更輕鬆
過去要用 AI 看圖，通常需要龐大的模型，非常吃重硬體資源。NeoMME 採用單一架構同時處理文字與圖片，推出了 260M 與 800M 兩種輕量化版本。以 260M 版本為例，每秒能處理約 51 頁高解析度文件，速度是過去同級產品的兩倍，能大幅縮短建立文件索引的時間。
更棒的是，它透過分層標記池化（把相似的資料特徵合併以減少資料量）與不對稱量化（透過降低資料精度來壓縮檔案大小）等技術，把每頁文件的搜尋索引從 1.5 MB 大幅壓縮到 6 kB，縮小了 255 倍，而且還能保留 95% 以上的搜尋準確度。這對企業來說，代表省下大量的伺服器儲存空間與運算成本，讓 AI 文件搜尋不再是大型企業的專利。
崴米的建議
- 盤點企業「非文字」資產：先整理公司內部的圖文並茂文件（如產品型錄、設計稿、掃描合約），這些是 AI 視覺搜尋最能發揮價值、也最難用傳統文字搜尋處理的地方。
- 評估輕量化 AI 搜尋方案：不需要盲目追求參數最大的 AI 模型。像 NeoMME 這類高效能的小模型，不僅速度快、省空間，更能降低企業導入 AI 的硬體門檻與後續維護成本。
- 規劃安全的內部知識庫：在導入 AI 文件搜尋時，務必將系統部署在安全的內部環境或私有雲中，確保機密文件不會外洩，兼顧搜尋效率與企業資安。
參考來源：NeoMME: an efficient Multimodal-native and Multilingual Encoder
