গাইড
ইনভয়েস OCR কী: AI কীভাবে ইনভয়েস ও রসিদ পড়ে এবং কোথায় ভুল করে
ইনভয়েস OCR ছবি বা PDF-কে ডেটায় রূপ দেয়। AI কীভাবে ইনভয়েস ও রসিদ পড়ে, কোথায় নির্ভুলতা কমে, কেন মানুষের যাচাই জরুরি এবং আপলোডের আগে গোপনীয়তা নিয়ে কী জিজ্ঞাসা করবেন, তা জানুন।
হালনাগাদ · লিখেছেন PayToMe Editorial
ইনভয়েস OCR কী? এটি এমন সফটওয়্যার যা ইনভয়েস বা রসিদের ছবি বা PDF পড়ে সম্পাদনাযোগ্য ডেটায় রূপ দেয়, যেমন বিক্রেতা, তারিখ, আইটেম ও মোট অঙ্ক। আধুনিক টুল প্রতিটি সংখ্যার অর্থ বুঝতে AI যোগ করে। এতে টাইপ করার পরিশ্রম বাঁচে, কিন্তু ভুলও হয়, তাই ফলাফল একজন মানুষের যাচাই করা উচিত।
ইনভয়েস OCR কী করে
কম্পিউটারের কাছে ইনভয়েস একটি ছবি। ইনভয়েস OCR সেই ছবিকে খোঁজা যায়, সম্পাদনা করা যায়, যোগ করা যায় ও ফাইল করা যায় এমন ঘরে রূপ দেয়। আগে কাগজের ইনভয়েস থেকে নাম ও তারিখ টাইপ করতে হতো, এখন সফটওয়্যার সেগুলো প্রস্তাব করে আর আপনি নিশ্চিত করেন।
মানুষ এটি দুটি সম্পূর্ণ আলাদা কাজে ব্যবহার করে।
- পাওনা হিসাব (অ্যাকাউন্টস পেয়েবল)। একটি ব্যবসা সরবরাহকারীদের কাছ থেকে অনেক ইনভয়েস পায় এবং সেগুলো নিজের খাতায় তুলতে হয়। OCR সরবরাহকারী, অঙ্ক ও পরিশোধের শেষ তারিখ পড়ে।
- ইনভয়েসিং ও খরচ। একজন ফ্রিল্যান্সার বা কারিগর মালপত্রের রসিদের ছবি তোলেন এবং সেটি ক্লায়েন্টের ইনভয়েসে বা খরচের রেকর্ডে তুলতে চান। OCR দোকান, আইটেম ও ট্যাক্স পড়ে।
দুটির পেছনে একই প্রযুক্তি। পার্থক্য হলো এরপর কী ঘটে: পরিশোধ করার মতো একটি বিল, অথবা ক্লায়েন্টকে ফেরত বিল করার মতো একটি খরচ।
এটি কীভাবে কাজ করে: পিক্সেল থেকে ঘর
বেশিরভাগ সিস্টেম একই ছোট পাইপলাইন অনুসরণ করে।
- ছবি তোলা ও প্রস্তুত করা। ছবি সোজা করা, ছাঁটা, বাঁকা দূর করা ও ধারালো করা হয়। কম আলো, ভাঁজ ও ছায়া যতটা সম্ভব ঠিক করা হয়। পরের সবকিছু এর ওপর নির্ভর করে।
- লেখা পড়া। OCR প্রতিটি লাইন ও শব্দ খুঁজে বের করে অক্ষরে রূপ দেয়। ছাপা লেখায় এটি ভালো কাজ করে। হাতের লেখা ও ফ্যাকাশে থার্মাল কাগজে কম নির্ভরযোগ্য।
- লেআউট বোঝা। সফটওয়্যার বের করে হেডার, আইটেমের টেবিল, মোট অঙ্ক ও ফুটার কোথায়। ইনভয়েসের কোনো আদর্শ লেআউট নেই, তাই এখানে বেশিরভাগ কাজ AI মডেল করে।
- ঘরে লেবেল দেওয়া। মডেল মানগুলোকে লেবেল দেয়: এটি বিক্রেতা, এটি ইনভয়েস নম্বর, এটি পরিশোধের শেষ তারিখ, এটি একটি আইটেম, এটি মোট।
- যাচাই করা। ভালো টুল দেখে সংখ্যাগুলো অর্থবহ কি না: আইটেমের যোগফল সাবটোটালের সমান, ট্যাক্স হারের সঙ্গে মেলে এবং তারিখগুলো যুক্তিসঙ্গত ক্রমে আছে।
- মানুষের পর্যালোচনা। আপনি ছবির পাশে এক্সট্র্যাক্ট করা ঘরগুলো দেখেন, ভুল ঠিক করেন এবং সেভ হওয়ার আগে অনুমোদন দেন।
ধাপ 5 বেশিরভাগ মানুষের ধারণার চেয়ে বেশি গুরুত্বপূর্ণ। একটি ভুল পড়া অঙ্ক খুব সাধারণ, আর তা ধরার সবচেয়ে সস্তা উপায় হলো অঙ্ক কষা।
একই কৌশল তারিখে কাজ করে (ইনভয়েসের তারিখের আগের পরিশোধের শেষ তারিখ সন্দেহজনক) এবং মুদ্রায়ও কাজ করে (ভুল দশমিক সংখ্যার মোট অঙ্ক সন্দেহজনক)।
যেখানে নির্ভুলতা ভাঙে
ইনভয়েস OCR-এর কোনো সৎ একক নির্ভুলতার সংখ্যা কেউ প্রকাশ করে না, কারণ তা নথির ওপর নির্ভর করে। সাধারণ ব্যর্থতার জায়গাগুলো এই।
- খারাপ ছবি। ঝাপসা, ঝলক, ছায়া, ছবিতে আঙুল এবং দুমড়ানো কাগজ নির্ভুলতা কমায়।
- ফ্যাকাশে থার্মাল রসিদ। তাপ ও সময়ে কালি ম্লান হয়, অক্ষর হারিয়ে যায়।
- হাতের লেখা। সফটওয়্যারের জন্য কঠিন, বিশেষ করে সংখ্যার ক্ষেত্রে।
- অস্বাভাবিক লেআউট। একাধিক কলাম, ঘোরানো লেখা, স্ট্যাম্প বা ওয়াটারমার্ক থাকা ইনভয়েস লেআউট ধাপকে বিভ্রান্ত করতে পারে।
- একাধিক পৃষ্ঠার নথি। শেষ পৃষ্ঠার মোট অঙ্ক এবং আগের পৃষ্ঠার আইটেম ভুলভাবে জোড়া লাগতে পারে।
- দেখতে একই রকম অক্ষর। 0 ও O, 1 ও I, 5 ও S এবং 8 ও 9 ক্লাসিক গোলমাল।
- মুদ্রা ও সংখ্যার বিন্যাস। ইউরোপের অনেক দেশে 1.234,50 মানে যুক্তরাষ্ট্রে 1,234.50। টুলকে জানতে হয় কোন বিন্যাস পড়ছে।
- একাধিক মোট অঙ্ক। সাবটোটাল, ট্যাক্স, শিপিং, অগ্রিম ও বকেয়া অঙ্ক কাছাকাছি থাকে, আর ভুলটিকে “মোট” লেবেল দেওয়া হতে পারে।
- ভাষা ও লিপি। ভাষাভেদে নির্ভুলতা বদলায়, এবং বহুভাষিক নথি আরও কঠিন।
এর মানে এই নয় যে OCR ব্যবহার করে লাভ নেই। এর মানে সঠিক মডেল হলো “একজন মানুষ অনুমোদন করবে এমন দ্রুত প্রথম খসড়া”, “কখনও ভুল না করা হিসাবরক্ষক” নয়।
প্রক্রিয়ায় মানুষ
সেরা ইনভয়েস OCR ওয়ার্কফ্লোগুলোতে চারটি অভ্যাস থাকে।
- ছবি ঘরের পাশে দেখান। একটি সংখ্যায় ক্লিক করে দেখতে পারা উচিত সেটি কোথা থেকে এসেছে।
- অনিশ্চিত অংশ আলাদা করে দেখান। মডেল যে ঘরে অনিশ্চিত, তা নিশ্চিত ঘরের চেয়ে আলাদা দেখানো উচিত।
- চোখে দেখা যায় এমন যাচাই চালান। “আইটেমের যোগফল সাবটোটালের সমান” বা “ট্যাক্স 8.25%-এর সঙ্গে মেলে না” লেখা লাইন এমন আস্থার স্কোরের চেয়ে মূল্যবান যা কেউ বোঝে না।
- অর্থের ক্ষেত্রে অনুমোদন বাধ্যতামূলক করুন। মোট অঙ্ক, ব্যাংকের তথ্য এবং যা কিছু পেমেন্ট চালু করে, তা একজন মানুষের নিশ্চিত করা উচিত, নীরবে সেভ হওয়া নয়।
সরবরাহকারীর ইনভয়েসে ব্যাংক অ্যাকাউন্ট নম্বরের ব্যাপারে সবচেয়ে সতর্ক থাকুন। বদলে যাওয়া অ্যাকাউন্ট নম্বর প্রতারণার একটি পরিচিত ধরন। সরবরাহকারীর ব্যাংকের তথ্য আপনার ফাইলে থাকা তথ্যের সঙ্গে না মিললে ফোনে নিশ্চিত করুন, এমন নম্বরে যা আপনি আগে থেকে জানেন, নতুন ইনভয়েসে ছাপা নম্বরে নয়।
গোপনীয়তা: আপলোডের আগে যা জিজ্ঞাসা করবেন
ইনভয়েস ও রসিদে সংবেদনশীল ডেটা থাকে: নাম, ঠিকানা, ট্যাক্স আইডি, অঙ্ক এবং কখনও ব্যাংকের তথ্য। কোনো OCR সেবা ব্যবহারের আগে এই প্রশ্নগুলোর উত্তর নিন।
- ফাইল কোথায় এবং কত দিন রাখা হয়? সংরক্ষণের মেয়াদ এবং মুছে ফেলার উপায় খুঁজুন।
- ট্রানজিটে এবং সংরক্ষণে কি এনক্রিপ্টেড? উত্তর স্পষ্ট হ্যাঁ হওয়া উচিত।
- কারা দেখতে পারে? কর্মীরা আপনার নথি দেখতে পারেন কি না এবং কোন শর্তে, তা জিজ্ঞাসা করুন।
- আমার নথি কি মডেল প্রশিক্ষণে ব্যবহার হয়? কিছু সেবা ডিফল্টভাবে করে। আপনার বাদ দেওয়ার সুযোগ থাকা উচিত, আর সৎ ভেন্ডর সহজ ভাষায় তা বলে।
- তৃতীয় পক্ষের সঙ্গে ডেটা শেয়ার করেন কি? কোন সাব-প্রসেসর আপনার ফাইল সামলায় তা জিজ্ঞাসা করুন।
- আমি কি ডেটা এক্সপোর্ট ও মুছতে পারি? ডেটা সঙ্গে নিয়ে যেতে এবং সরিয়ে ফেলতে পারা উচিত।
- ডেটা ফাঁস হলে কী হয়? একটি ঘোষিত প্রক্রিয়া থাকা উচিত।
উত্তরের জন্য গোপনীয়তা নীতি পড়ুন, এবং অস্পষ্ট নীতিকে “না” ধরুন। আপনি ক্লায়েন্টদের ব্যক্তিগত ডেটা সামলালে আপনার ওপর প্রযোজ্য গোপনীয়তা আইনে তাদের প্রতি আপনার দায়ও থাকতে পারে। নিশ্চিত না হলে একজন পেশাদারকে জিজ্ঞাসা করুন।
মূল নথি রাখুন
টুল যা-ই এক্সট্র্যাক্ট করুক, মূল ছবি বা PDF রাখুন। এক্সট্র্যাক্ট করা ঘরগুলো সুবিধার জন্য, আর পরে ক্লায়েন্ট, সরবরাহকারী বা কর কর্তৃপক্ষ প্রশ্ন তুললে মূল নথিই আপনার প্রমাণ। IRS বলে আয়কর রেকর্ড রাখার ডিফল্ট মেয়াদ দাখিলের তারিখ থেকে তিন বছর, কিছু পরিস্থিতিতে আরও বেশি, যেমন যে আয় জানানো উচিত ছিল তার 25%-এর বেশি বাদ দিলে ছয় বছর। আপনার অঙ্গরাজ্য, শিল্প বা চুক্তিতে আরও বেশি লাগতে পারে, তাই অ্যাকাউন্ট্যান্টকে জিজ্ঞাসা করুন।
সাধারণ ভুল
- যাচাই না করে মোট অঙ্কে ভরসা করা। সবসময় ছবির সঙ্গে মিলিয়ে নিন।
- ট্যাক্স লাইন এড়িয়ে যাওয়া। ভুল ট্যাক্স অঙ্ক আপনার ক্লায়েন্ট ইনভয়েসে চলে যায়।
- গোপনীয়তা যাচাই ছাড়া আপলোড করা। আপনার নথি কোথায় যায় তা জানুন।
- কাগজ ফেলে দেওয়া। কাগজ হোক বা ডিজিটাল ফাইল, মূল নথি রাখুন।
- খারাপ আলোয় স্ক্যান করা। সমতল জায়গা, উজ্জ্বল সমান আলো এবং সোজা কোণ যেকোনো সেটিংয়ের চেয়ে বেশি ফল উন্নত করে।
- মুদ্রার বিন্যাস উপেক্ষা করা। বিদেশি ইনভয়েসে কমা ও দশমিক দেখে নিন।
- স্বয়ংক্রিয়ভাবে পেমেন্ট হতে দেওয়া। এক্সট্র্যাকশন ও পেমেন্টের মাঝখানে একজন মানুষ রাখুন।
- ধরে নেওয়া যে এটি আপনার বিক্রেতাদের চিরকালের জন্য শিখে নেয়। প্রতিটি নতুন বিক্রেতার প্রথম কয়েকটি নথি যাচাই করুন।
ইনভয়েস OCR ভালোভাবে ব্যবহারের চেকলিস্ট
- ছবিটি সমতল, ভালো আলোকিত, ফোকাসে আছে এবং পুরো নথি দেখায়।
- আপনি বিক্রেতা, তারিখ, ইনভয়েস নম্বর ও মোট অঙ্ক ছবির সঙ্গে মেলান।
- আপনি যাচাই করেন আইটেমের যোগফল সাবটোটালের সমান কি না এবং ট্যাক্স হারের সঙ্গে মেলে কি না।
- বিদেশি নথিতে দশমিক ও মুদ্রার চিহ্ন দেখে নেন।
- বদলে যাওয়া ব্যাংকের তথ্য আপনার আগে থেকে জানা নম্বরে ফোন করে নিশ্চিত করেন।
- এক্সট্র্যাক্ট করা ডেটার সঙ্গে মূল ফাইল সংরক্ষণ করেন।
- ভেন্ডরের গোপনীয়তার শর্ত পড়েছেন: সংরক্ষণ, মেয়াদ, প্রশিক্ষণে ব্যবহার, মুছে ফেলা।
- অ্যাকাউন্ট্যান্ট যে মেয়াদ পরামর্শ দেন, সে পর্যন্ত রেকর্ড রাখেন।
ডেটা পরিষ্কার হলে সেটিকে এমন নথিতে রূপ দিন যা আপনার ক্লায়েন্ট পরিশোধ করতে পারে। বিনামূল্যের রসিদ জেনারেটর আজই চালু আছে রসিদ বানানোর জন্য, আর লাইন আইটেম যেকোনো ইনভয়েসের মৌলিক গঠন-উপাদান, তাই প্রতিটি স্পষ্টভাবে লেখা ভালো।
PayToMe কোথায় বসে
PayToMe-র বিনামূল্যের ইনভয়েস ও রসিদ টুল আজই চালু আছে। Snap to Invoice, যা রসিদ বা কাজের নোটের ছবিকে এমন খসড়া ইনভয়েসে বদলে দেয় যা আপনি পাঠানোর আগে যাচাই করেন, Via-র অংশ হিসেবে বেটায় চালু। PayToMe নির্ভুলতার কোনো পরিসংখ্যান প্রকাশ করেনি। আমাদের নীতি এই নির্দেশিকারই নীতি: সফটওয়্যার প্রস্তাব করে, আর আপনি অনুমোদন করেন। আরও পড়ুন রসিদ পেজে। চেষ্টা করতে PayToMe-তে সাইন ইন করুন।
সূত্র
এটি সাধারণ তথ্য, আইনি, কর বা নিরাপত্তা পরামর্শ নয়। রেকর্ড রাখার মেয়াদ এসেছে IRS-এর পৃষ্ঠা কত দিন রেকর্ড রাখা উচিত? থেকে। OCR সিস্টেম কীভাবে কাজ করে এবং কোথায় ব্যর্থ হয় তার বর্ণনা সাধারণ শিল্পজ্ঞান, এবং কোনো একক ভেন্ডরের নির্ভুলতার দাবির ওপর নির্ভর করে না। PayToMe কোনো নির্ভুলতার শতাংশ উল্লেখ করে না, কারণ মাপার মতো কোনো চালু পণ্য নেই।