Mistral OCR-4: разбор отчёта Nvidia 10-Q

О чём урок

Этот notebook применяет Mistral OCR-4 к **отчету Nvidia 10-Q SEC** и демонстрирует пять возможностей обработки таблиц и вывода данных: № Функция Параметр 1 Вывод в формате Markdown Поле .markdown ответа по умолчанию 2 Обработка таблицы на странице 6 Пятая опция: нормализация пустых ячеек перед преобразованием в DataFrame 3 Ограничивающие рамки на уровне абзацев include_blocks: true — типы блоков text / title / list 4 Уровень достоверности для регионов confidence_scores_granularity: 'page' 5 Классификация ограничивающих рамок include_blocks: true — все 13 типов семантических блоков Документ: samples/Nvidia-10-Q-Form.pdf (страницы 1–30 из 45; лимит API составляет 30 страниц)Модель: mistral-ocr-4-0 через Azure AI Foundry Один запрос, который одновременно включает все четыре функции: include_blocks: true → ограничивающие рамки + классификация блоков confidence_scores_granularity: 'page' → достоверность по страницам (региональная) extract_header / extract_footer: true → захватывает колонтитулы документа table_format: 'markdown' → таблицы, отображаемые в формате Markdown OCR-4 преобразует весь PDF в чистый Markdown, сохраняя: Иерархия заголовков (#, ##, ###) Таблицы (отображаемые согласно table_format) Списки, полужирное/курсивное выделение Математические выражения (LaTeX $…$) Ссылки на изображения () Символы Строки Заголовки Строки таблиц Страница 1 2473 59 2 0 2 1407 29 3 0 3 334 12 3 0 4 240 8 1 0 5 212 8 1 0 6 219 7 1 0 7 222 8 1 0 8 3750 37 10 0 9 1094 27 3 0 10 772 17 2 0 11 1551 19 2 0 12 1006 19 1 0 13 2544 37 6 0 14 1926 35 3 0 15 2635 25 4 0 16 2282 25 4 0 17 5268 23 4 0 18 5225 31 5 0 19 3250 25 2 0 20 1708 19 1 0 21 1213 23 2 0 22 429 5 1 0 23 5530 29 5 0 24 4074 28 1 0 25 2520 25 2 0 26 1260 21 4…

План урока

1. 0. Настройка
2. 1. Вызов API OCR-4
3. 2. Вывод в формате Markdown
4. 2e. Пятая опция: обработка таблицы на странице 6 с сохранением пустых ячеек
5. 3. Ограничивающие рамки на уровне абзацев