โมเดลเล็กสองตัว ทั้งคู่อยู่บนมือถือของคุณ

หลายคนถามว่าเบื้องหลังใช้อะไรจริง ๆ เอาแบบตรง ๆ คือ แอปสแกนหลายตัวส่งใบเสร็จไปประมวลผลบนเซิร์ฟเวอร์ แต่ Spenti ใช้ OCR กับโมเดลเล็ก ๆ ที่ fine-tune มาสองสามตัวแทน — และโดยค่าเริ่มต้นทั้งหมดทำงานบนมือถือของคุณ นี่คือขั้นตอนจริง ตั้งแต่ต้นจนจบ

อ่านใบเสร็จ

ตอนที่คุณเพิ่มใบเสร็จ มีหลายอย่างเกิดขึ้นตามลำดับ ทั้งหมดบนเครื่องโดยค่าเริ่มต้น ขั้นตอน OCR จะดึงตัวอักษรทุกตัวออกจากรูป — รวมถึงตัวอักษรไทยที่หนาแน่น จากนั้นตัวจำแนกรูปภาพจะตรวจว่านี่คือใบเสร็จจริงไหมก่อนจะเชื่อถืออะไร ถ้าไม่ใช่ รูปนั้นก็ถูกข้ามไปและไม่มีอะไรถูกบันทึก ต่อมาโมเดลดึงข้อมูลที่ fine-tune มา — ราว 270 ล้านพารามิเตอร์ — จะเปลี่ยนข้อความที่กระจัดกระจายให้เป็นข้อมูลที่มีโครงสร้าง: ร้านค้า จำนวนเงิน วันที่ และรายการสินค้า ผลลัพธ์ถูกบันทึกเป็นรายจ่ายในฐานข้อมูลบนเครื่อง แล้วปักบนบอร์ดในห้องของคุณให้ตรวจและแก้ไข ไม่มีสำเนาถูกส่งให้ Spenti

ตอบคำถาม

แชทเรื่องการใช้จ่ายก็ทำงานแบบเดียวกัน คุณถามอะไรสักอย่างเป็นภาษาอังกฤษหรือไทย — “เดือนนี้ฉันใช้เงินค่าอาหารไปเท่าไหร่?” โมเดลแชทที่ fine-tune มาและเป็นไทยโดยกำเนิดจะอ่านสิ่งที่คุณถามจริง ๆ ดึงรายจ่ายที่ตรงกันจากฐานข้อมูลบนเครื่องโดยตรง แล้วตอบด้วยคำตอบที่อ้างอิงจากข้อมูลของคุณเองล้วน ๆ โมเดลตัวเดียวดูแลบทสนทนาทั้งหมด มันคิดวิเคราะห์จากใบเสร็จของคุณ ไม่เคยส่งข้อมูลกลับบ้าน

โมเดลเล็กเฉพาะทาง — ไม่ใช่ตัวใหญ่ตัวเดียวที่ทำได้ทุกอย่าง

แต่ละขั้นตอนใช้โมเดลที่เล็กที่สุดที่ทำงานหนึ่งอย่างได้ดี ดวงตา คือชุด OCR กะทัดรัดที่เลือกมาเพราะรับมือหน้าตาของใบเสร็จไทยจริง ๆ ได้ — ตัวอักษรไทยที่หนาแน่น ไทยปนอังกฤษ ภาพสลิปที่คอนทราสต์ต่ำ ผู้อ่าน คือโมเดลดึงข้อมูลราว 270 ล้านพารามิเตอร์ ที่ fine-tune บนสลิปธนาคารและพร้อมเพย์ของไทย เพราะมันเข้าใจข้อความแทนที่จะจับคู่รูปแบบ เลย์เอาต์ธนาคารใหม่จึงไม่ทำให้มันพังแบบที่ทำให้เทมเพลต regex พัง เสียง คือโมเดลภาษาที่สร้างในไทย เพื่อภาษาไทย fine-tune มาเพื่อรับมือคำถามหลายรอบและคิดวิเคราะห์จากข้อมูลบนเครื่องของคุณ

ทำงานบนมือถือที่คุณมีอยู่แล้ว

AI บนเครื่องมักหมายถึง “ต้องเป็นเรือธง” — แอปส่วนใหญ่ที่รันโมเดลบนเครื่องแอบต้องการชิปใหม่สุดและแรม 8 GB แต่ Spenti ถูกสร้างในทางกลับกัน: โมเดลเล็กที่ fine-tune มา ทำ quantize และวัดประสิทธิภาพจนทั้งขั้นตอนพอดีกับแรม 4 GB ทำงานได้ดีที่สุดบน iPhone 12 ขึ้นไป และรุ่นเก่ากว่านั้นก็ยังใช้ได้แต่ช้ากว่า มันใช้ระบบอ่านข้อความของตัวแพลตฟอร์มเองในงานที่มันเร็วที่สุด กับตัวอ่านของ Spenti เองสำหรับอักษรอื่น ๆ หลังดาวน์โหลดโมเดล (ตัวอ่านใบเสร็จราว 230 MB ตอนสแกนครั้งแรก และแชทอีกราว 850 MB ถ้าคุณเลือกใช้) การใช้งานหลักไม่ต้องใช้อินเทอร์เน็ตเลย ใช้ออฟไลน์ในชีวิตจริงเป็นอย่างไร อ่านได้ที่ แอปจดรายจ่าย ออฟไลน์บน iPhone

อ่านได้อีก 10 อักษร บนมือถือ

Spenti เริ่มจากภาษาไทยและอังกฤษ และสองภาษานี้ยังผ่านการทดสอบมากที่สุด ตอนนี้ยังอ่านใบเสร็จได้อีก 10 อักษร โดยยังทำบนมือถือ: พม่า เทวนาครี เขมร ลาว จีน ญี่ปุ่น เกาหลี ซีริลลิก อาหรับ และฮีบรู ภาษาใบเสร็จในการตั้งค่า หรือประเทศที่คุณเลือกตอนตั้งค่าแอป เป็นตัวกำหนดว่าตัวอ่านไหนจะอ่านก่อน อักษรใหม่ ๆ ยังผ่านการทดสอบกับใบเสร็จจริงน้อยกว่าภาษาไทย จึงควรตรวจข้อมูลก่อนบันทึก

สิ่งหนึ่งที่เราตั้งใจไม่ระบุชัดคือชื่อโมเดลที่ใช้จริง ๆ — ไม่ใช่เพราะจะปิดบัง แต่เพราะมันเปลี่ยนไปเรื่อย ๆ เมื่อมีตัวเลือกบนเครื่องที่ดีกว่าออกมา คำสัญญาที่ไม่เปลี่ยนคือคำที่ควรค่าแก่การพิมพ์ลงไป: การอ่านและแชททำงานบนอุปกรณ์ของคุณ เว้นแต่คุณจะเลือกใช้ AI ของคุณเอง และที่เดียวที่บันทึกของคุณจะไปได้คือที่ที่คุณสั่งเอง — การสำรองข้อมูลของ Basic และ Pro ไปยัง iCloud หรือ Google Drive ของคุณเอง ไม่มีวันไปถึงเซิร์ฟเวอร์ของเรา นโยบายความเป็นส่วนตัวระบุการใช้เครือข่ายทุกกรณี และเหตุผลที่เราออกแบบแบบนี้อยู่ใน ความเป็นส่วนตัวคือการเลือกได้ ไม่ใช่การปิดบัง

AI ของคุณเอง ถ้าคุณต้องการ

ใน Pro มีอีกหนึ่งทางเลือก: AI ของคุณเอง เชื่อมต่อ Gemini, ChatGPT, Claude, OpenRouter หรือบริการอื่น แล้วให้มันอ่านข้อความจากใบเสร็จแต่ละใบและตอบคำถามในแชท ได้ทุกภาษา ส่งไปแค่ข้อความ ตรงจากมือถือไปยังผู้ให้บริการนั้นด้วยบัญชีของคุณเอง ไม่ส่งรูปภาพ ไม่ส่งข้อความจากธนาคาร และไม่ส่งมาที่ Spenti ฟีเจอร์นี้ปิดอยู่จนกว่าคุณจะเปิด และการทำงานบนเครื่องยังคงเป็นค่าเริ่มต้น