TomasFAV/DonutInvoiceCzech

Donut – Faktury v češtině / Donut – Czech Invoices

---

🇨🇿 Popis (čeština)

Tento model je založený na naver-clova-ix/donut-base-finetuned-cord-v2 a byl dále trénován na českých fakturách.
Cílem je extrakce strukturovaných informací z faktur v českém jazyce, například:

• dodavatel / odběratel
• datum vystavení, splatnosti a zdanitelného plnění
• položky faktury (popis, množství, cena, DPH)
• celková částka k úhradě

Model je vhodný pro použití v účetnictví, automatizaci zpracování dokladů nebo pro trénování vlastních OCR/IE pipeline.

---

🇨🇿 Použití

from transformers import DonutProcessor, VisionEncoderDecoderModel
from PIL import Image

processor = DonutProcessor.from_pretrained("tvuj-username/donut-invoices-cs")
model = VisionEncoderDecoderModel.from_pretrained("tvuj-username/donut-invoices-cs")

image = Image.open("faktura.png")
pixel_values = processor(image, return_tensors="pt").pixel_values

task_prompt = "<s_cord-v2>"
decoder_input_ids = processor.tokenizer(task_prompt, add_special_tokens=False, return_tensors="pt").input_ids

outputs = model.generate(
    pixel_values,
    decoder_input_ids=decoder_input_ids,
    max_length=model.config.decoder.max_position_embeddings,
    early_stopping=True,
    pad_token_id=processor.tokenizer.pad_token_id,
    eos_token_id=processor.tokenizer.eos_token_id,
    use_cache=True,
    num_beams=1,
    bad_words_ids=[[processor.tokenizer.unk_token_id]],
    return_dict_in_generate=True,
)

sequence = processor.batch_decode(outputs.sequences)[0]
print(processor.token2json(sequence))

VZOROVÝ VÝSTUP(JSON)

{
  "issue_date": "07.03.2023",
  "due_date": "28.03.2023",
  "supplier": { "name": "SmartAuto", "register_id": "96119557" },
  "customer": { "name": "Barbora Kratochvílová" },
  "items": [
    {"description": "Boxovací pytel", "quantity": 37, "ppu": 88080, "price_with_vat": 3258960.0},
    {"description": "DVD přehrávač", "quantity": 24, "ppu": 98826, "price_with_vat": 2371824.0}
  ],
  "total_price": 8250672.0,
  "currency": "Kč",
  "invoice_number": "2081-653246"
}