台南市麻豆區的全部工作職缺

背景與目標：我們需要為一份科技產業手冊製作封面設計，用於對外發行與內部簡報延伸使用。目標是建立專業、可信賴且具科技感的第一印象，並能與既有品牌視覺一致，確保在印刷與數位閱讀情境下都清晰易讀，提升手冊整體質感與辨識度。需求描述：請提供科技產業手冊封面設計提案與完稿交付，包含主視覺概念發想、版面編排、字體與色彩規劃，並依我們提供的手冊標題、副標、年份或期別、公司名稱與標誌等資訊完成設計。需提供至少兩款不同風格的封面初稿供挑選，並包含兩輪修改調整至定稿。交付檔案需同時滿足印刷與數位用途，提供可編輯原始檔與輸出檔，並確保解析度、出血與色彩模式符合常見印刷規格；若有品牌識別規範請依規範製作，並可協助提出封面延伸到內頁章節扉頁的簡易視覺方向建議以維持一致性。

立即提案

08/25

AI_OCR+地端 LLM 電子郵件內嵌圖檔及附檔稽核系統

出任務

案件金額：600,000

可遠端-全區
無
不拘

用於哪個行業：金融業和公家機關細節說明： 1.專案目標本案目標為建置「AI OCR 多格式、多地端 Agent 附件深度解析系統」，用於解析使用者電子郵件附件及內嵌圖片，將影像或文件內容轉換為可分析之文字資料，並提供後端 LLM 與規則引擎進行機敏關鍵字、語意風險與不合規內容判斷。系統支援企業郵件稽核情境，針對高風險附件或圖片，輸出可視覺化的 OCR 辨識位置、命中關鍵字及分析結果，供後續資訊安全儀表板使用。 2.1 多格式附件解析與檔案結構剖析須開發附件解析服務，支援下列格式：壓縮檔：ZIP、RAR，並支援巢狀壓縮檔解析。文件檔：PDF、Word、Excel、PowerPoint。圖片檔：JPG、JPEG、PNG、BMP、TIFF、GIF、WebP，以及其他常見圖片格式。郵件內嵌圖片及附件圖片。 2.2 多 Agent OCR 辨識引擎必須整合並實際使用下列至少三套開源 OCR 模組： PaddleOCR Tesseract OCR EasyOCR 請推薦其他或自有至少三套 OCR 引擎均須完成可執行整合、結果輸出及測試驗證。 OCR 服務應具備下列能力：支援繁體中文、英文、數字、符號及中英文混雜內容。支援掃描文件、截圖、表格、照片、低解析度影像及常見商務文件圖片。會根據權重判斷 OCR 作為主要辨識引擎。例 : 當 PaddleOCR 辨識信心值偏低、文件屬表格類型，或內容為中英文混雜時，自動啟動 Tesseract OCR 與 EasyOCR 進行交叉辨識。支援多引擎辨識結果的權重融合、信心值整合及最終文字輸出。保留各 OCR 引擎的原始辨識結果、信心值及融合後結果，供後續追蹤與模型調校。輸出文字內容、頁碼、座標位置、文字區塊範圍及信心值。可針對不合規文字或機敏關鍵字，回傳其於原始影像中的座標框選資訊，供前端儀表板以紅框或標記顯示。 2.3 OCR 結果與後端 LLM 介接 OCR 引擎須提供標準化輸出格式，供後端 LLM 與規則引擎分析。輸出資料至少包含： 1.郵件追蹤編號。 2.附件識別碼、檔名、檔案類型及檔案層級關係。 3.文件頁碼、工作表名稱或投影片頁次。 4.OCR 原始文字、正規化後文字及語言資訊。 5.各 OCR 引擎辨識結果與信心值。 6.融合後最終文字及信心值。 7.文字區塊座標，例如 x、y、width、height。 8.原始附件、頁面影像或縮圖的儲存位置。 9.解析與 OCR 處理狀態、錯誤代碼及錯誤訊息。 10.系統須提供 RESTful API 或其他經雙方確認的標準介接方式，供後端 LLM 服務取得 OCR 結果並回傳風險分析結果。 3、辨識品質與驗收標準 3.1 OCR 辨識率廠商交付之 OCR 系統，整體辨識率須達 85% 以上。辨識率驗收方式如下：以本公司提供或雙方共同確認的測試資料集進行驗收。測試資料應涵蓋繁體中文、英文、數字、中英文混雜、掃描 PDF、圖片、表格、Office 文件及常見壓縮檔附件。「辨識率」以字元辨識正確率為原則計算；忽略空白字元與排版差異後，比對 OCR 結果與標準答案。計算方式：辨識率 = 正確辨識字元數 ÷ 標準答案總字元數 × 100% 整體辨識率須達 85% 以上。對於影像品質嚴重不足、文字遭遮蔽、加密檔、損毀檔或超出安全限制之附件，應標示為例外樣本，不納入一般 OCR 辨識率計算；但系統仍須正確回傳處理狀態與原因。 3.2 座標框選正確性針對命中機敏關鍵字或不合規文字的影像：系統須能回傳該文字所在頁面與座標資訊。前端以座標框選方式呈現時，框選位置須可辨識並對應原始文字區塊。驗收時應抽樣檢查框選位置與實際文字位置的一致性。 3.3 多 Agent 融合驗證廠商須提供多 Agent OCR 的驗證報告，至少包含： PaddleOCR、Tesseract OCR、EasyOCR 的個別辨識結果比較。低信心值、表格及中英文混雜文件時，交叉辨識的觸發條件與處理結果。權重融合前後的辨識率比較。主要錯誤案例、改善方式及已知限制。

立即提案

1 2 3 共 3 頁