Xtracta: функции, форматы, интеграции и ограничения Document Intelligence

Xtracta — не PDF-просмотрщик и не настольный OCR-редактор. Это платформа Intelligent Document Processing: она принимает деловые документы, выполняет OCR, классифицирует их, извлекает заданные поля и строки, применяет проверки и передаёт структурированный результат в другие системы. На сентябрь 2026 года Xtracta Limited продолжает развивать веб-платформу, API, New Engine Learning Screen и мобильные средства захвата. Поэтому продукт разумно оценивать по конвейеру «документ → данные → проверка → интеграция», а не по функциям чтения PDF.

Скачать Xtracta

Для основной Xtracta нет обычного публичного EXE, MSI или DMG: облачный продукт открывается в браузере, а интеграции работают через API по HTTPS. Безопасный путь получения доступа — официальный сайт Xtracta, демонстрация или подключение через поставщика/партнёра. Адрес приложения и учётные данные должны приходить из этого процесса, а не из стороннего каталога программ.

Официальные мобильные приложения Xtracta существуют для iPhone/iPad и Android, но это дополнительные клиенты захвата, а не самостоятельные OCR-программы. Магазины прямо указывают, что нужен действующий аккаунт Xtracta и доступ к workflow. Устанавливать их следует из App Store или Google Play, проверяя разработчика Xtracta Limited. Для private cloud/on-premise публичного самостоятельного серверного дистрибутива нет: параметры поставки определяются проектом внедрения.

Что такое Xtracta

Xtracta Limited основана в 2010 году Джонатаном Спенсом в Окленде; по официальной истории первая версия движка вышла в 2013 году, а в 2024 году компания ввела production-ready deep-learning transformer models. В 2026 году сайт, support portal и API-документация активны, поэтому продукт нельзя считать снятым с поддержки.

Xtracta строит поверх OCR полный рабочий процесс: определяет class/design документа, извлекает header fields и повторяющиеся строки, применяет форматирование, сопоставление, вычисления и валидации, после чего отправляет исключения на ручную проверку или выдаёт Output. Типовые сценарии — счета, чеки, банковские выписки, purchase orders, договоры, ID, формы и другие деловые документы.

Важно разделять компоненты. Xtracta App — веб-интерфейс; мобильные приложения — захват и отправка документов; REST API — слой интеграции; image capture SDK и white-label UI — инструменты для встраивания. Это части одной платформы, а не отдельные настольные редакции. Основной результат — структурированные данные, а не изменённый PDF.

Карта критических зависимостей

В отличие от локального ридера, Xtracta зависит от конфигурации сервиса и downstream-системы. Резервный процесс должен сохранять исходный документ и позволять безопасно повторить передачу без двойной регистрации результата.

Основные функции Xtracta

OCR, классификация и извлечение

Справка описывает цепочку OCR → определение класса и дизайна → extraction → transformations → validations. После распознавания можно очищать строки, форматировать даты и суммы, выполнять вычисления, объединять поля и сверять значения с базами. Поэтому «номер счёта» или «итог» становится проверяемым полем, а не просто найденным текстом.

Для классификации предусмотрены признаки самого документа, string classifier, fixed class, режим для разнородных документов с custom models и назначение класса через API. Это позволяет отдельно решать, к какому потоку относится файл и какие данные из него извлекать.

Повторяющиеся строки и Learn & Extract

Repeating field set в New ELS выглядит как таблица и подходит для line items или транзакций. Learn & Extract позволяет разметить одну или несколько строк и извлечь остальные по найденному паттерну. Документация предупреждает: сложные line items могут потребовать большего числа примеров и ручной проверки; устойчивое обучение запускается только предусмотренным действием вроде Save and Learn или Output.

Валидации и ручная проверка

Система поддерживает Strip & Replace, Auto Format, date calculations, field merge, Data Matching, математические проверки и field/advanced validations. Документы с проблемами могут попадать в Rejected или Quality Assurance. Оператор исправляет поля в ELS и только затем сохраняет или выводит результат. Такой human-in-the-loop отделяет сомнительное распознавание от автоматического Output.

Страницы и документы

Document Preview и New ELS позволяют разделять многостраничный файл, переставлять страницы и создавать новые документы; API reassign pages также предусматривает split, merge и rearrange. После сохранения изменённые документы переизвлекаются. Это служебная подготовка к IDP, а не редактирование текста, графики и объектов PDF.

API и встраиваемый UI

REST API охватывает документы, tracking, workflows, базы, пользователей и группы. Запросы выполняются по HTTPS POST; по умолчанию возможен XML, JSON выбирается заголовком Accept. API умеет выдавать временные URL на document UI/upload UI. Ключ следует держать в backend: актуальные примеры Xtracta прямо запрещают помещать его в браузерный или React-код.

Рабочая карта: цель, средство, итог, контроль

Для внедрения полезно заранее определить не абстрактную «точность OCR», а набор обязательных полей, блокирующие проверки, допустимую ручную обработку и контрольный результат в ERP. Тогда качество можно оценивать по конкретному потоку.

Интерфейс и удобство использования

Dashboard показывает документы внутри workflow и очереди Overview, My Files, Indexing, Quality Assurance, Rejected, Error Documents, Recycle Bin, File Tracking, History и при необходимости Learning. Это интерфейс производственного процесса: статус документа важен не меньше самого файла.

New ELS объединяет изображение страницы, Data Extraction, Document Information, header fields и line items. Панели можно разворачивать и выносить в плавающий режим; Field History показывает историю изменений и, при включённой функции, примеры обучения. Есть настраиваемые keyboard shortcuts.

Освоить Xtracta сложнее, чем PDF-ридер: нужно различать Save, Save and Learn, Output, QA и Reject. Оператору при этом не обязательно знать API — он работает с очередями и полями. В My Account можно менять locale и формат времени, но текущая документация указывает только English как язык портала; русская локализация не подтверждена.

Поддерживаемые форматы и совместимость

Актуальный FAQ перечисляет изображения GIF, HEIC, JPG/JPE/JPEG, PNG, TIF/TIFF и редкое расширение PIPG; среди документов — DOC, DOCX, ODS, ODT, PDF, XLS и XLSX. Это более надёжная граница, чем маркетинговое «any format»: неизвестное расширение нужно проверять на тестовом workflow.

Для сканов рекомендовано 300 DPI. Цвет и grayscale принимаются; чисто чёрно-белое сканирование может давать пикселизацию. Желательны ровное положение страницы, отсутствие сильных складок, лишнего zoom и рамок. Низкое разрешение допускается, но повышает риск ошибок символов.

Password-protected document попадает в Error Documents. Там же по умолчанию оказываются документы более 300 страниц, файлы с шириной/высотой свыше 1700 мм и отдельные JPEG с недопустимыми пропорциями. Для >300 страниц есть Force Reprocess, но справка предупреждает о долгой обработке или повторном зависании и рекомендует ограничивать первые/последние обрабатываемые страницы.

Входные каналы — Web Uploader, email, FTP(s) и API; маркетинговые материалы также используют термин SFTP, поэтому фактический протокол берут из настроек конкретного workflow. Выходы могут быть CSV, SQL, XLS, XML или JSON в зависимости от конфигурации. В интеграциях перечислены MYOB, Dynamics, Oracle, Xero, NetSuite, SAP, Sage, JD Edwards и другие системы; для собственного ПО используется REST API.

Для чувствительных документов важна не только передача, но и политика хранения. В актуальном FAQ Xtracta указано, что значения извлечённых полей могут сохраняться бессрочно, тогда как созданные системой PDF и JPG обычно удаляются через 90 дней, если документ не остаётся в процессе Learning; для миниатюр указан срок шесть месяцев с оговорками, связанными с историей обучения. Для организации может быть настроен другой срок хранения. Практический вывод: удаление исходного изображения по сроку retention нельзя автоматически считать удалением всех извлечённых данных — регион, сроки и права доступа следует согласовать до загрузки финансовых, кадровых или идентификационных документов.

Паспорт обратимости операций

Самая ответственная точка — Output. Xtracta может изменить собственный статус, но не обязана уметь отменить созданную запись в чужой ERP. Поэтому интеграции нужны уникальный document ID, идемпотентность и проверка того, не был ли результат уже принят.

Производительность и стабильность

В облачном режиме вычисления выполняются на инфраструктуре Xtracta, поэтому локальный CPU не определяет скорость так, как в настольном OCR. Компания заявляет geo-distributed infrastructure и региональные дата-центры. Однако публичного универсального показателя «страниц в минуту» для всех типов документов нет; маркетинговое «в секунды» не следует превращать в SLA без договора.

На время влияют число страниц, качество изображения, сложность таблиц, набор валидаций и ручная QA. Практический предел хорошо виден по Error Documents: файл свыше 300 страниц по умолчанию считается ошибочным, а Force Reprocess может идти дольше или снова застрять.

Стабильность процесса обеспечивается очередями и tracking: распознавательная ошибка не обязана терять документ, а уходит в QA/Rejected/Error. API возвращает разные коды для неверных параметров, прав, billing issue, блокировки и внутренних ошибок. Get Documents требует пагинации; для XML/JSON задокументирован максимум 1000 документов на страницу ответа.

В API-интеграции следует различать конфликт рабочего состояния и фактический сбой распознавания. Документ, который уже обрабатывается, может вернуть HTTP 409, а 403 может указывать на права доступа или состояние биллинга. Временные URL, выдаваемые отдельными API-операциями, не следует хранить как постоянные ссылки. Надёжный клиент поэтому обрабатывает коды состояния раздельно, повторяет только безопасные запросы и не интерпретирует любой отказ как ошибку OCR.

Лицензирование и версии

Текущий сайт описывает Xtracta как per-document service. Для бизнес-сценария заявлены no seat licences и no platform fees; партнёрская модель использует wholesale per-document pricing. Публичной актуальной цены за документ нет, поэтому бюджет получают у Xtracta или партнёра с учётом объёма и схемы внедрения.

На продуктовых страницах есть предложение free trial, но не опубликованы единые срок, квота, требование карты или одинаковые условия для всех клиентов. Одновременно компания говорит, что это не self-service sandbox и настройка выполняется совместно. Следовательно, trial существует как предложение, но его параметры нужно подтверждать до начала.

Classic ELS и New ELS — не разные лицензии. Это поколения рабочей области, и API может открыть legacy или New ELS. Облако, ISV/white-label, private cloud и on-premise — варианты внедрения, а не привычная линейка Home/Pro.

Системные требования

Веб-приложение

Справка требует supported web browser, но не публикует универсальную таблицу минимальных версий браузеров, CPU и RAM. Для hosted-сервиса нужны совместимый браузер, сеть и аккаунт. 2FA использует приложение-аутентификатор; доверенное устройство может пропускать повторную проверку 30 дней, но не должно использоваться на публичном компьютере. Пароль — минимум 8 символов, хотя бы одна цифра и один специальный символ.

Документы

Рекомендуемое качество скана — 300 DPI. Пароль-защищённый PDF нужно легитимно разблокировать до отправки. Документы свыше 300 страниц и физические размеры свыше 1700 мм требуют отдельного сценария.

iOS и Android

iOS-клиент предназначен для iPhone/iPad и требует существующего аккаунта; App Store помечает его как designed for iPad и не верифицированный для macOS. Android-приложение также требует аккаунт; страница Google Play показывает обновление 1 апреля 2026 года. Это клиенты захвата, а не локальная установка серверного движка.

Private cloud и on-premise

Xtracta заявляет эти варианты, но публичных универсальных требований к серверному CPU, RAM, ОС, БД или контейнерам нет. Их следует получать в документации конкретной поставки, а не придумывать по требованиям браузера.

Преимущества и недостатки Xtracta

Плюсы и минусы

Сравнение с аналогами

Amazon Textract официально извлекает печатный/рукописный текст, формы и таблицы и имеет специализированные API для расходов и ID. Azure Document Intelligence v4.0 предлагает prebuilt/custom models, REST и SDK. Оба сервиса ближе к строительным блокам облачной архитектуры; Xtracta дополнительно даёт собственные очереди и ELS для оператора.

Adobe Acrobat Pro и PDF-XChange Editor уместнее, когда важны редактирование, аннотации, формы и подготовка самого PDF. Для простого локального сканирования без извлечения полей достаточно решения уровня WinScan2PDF.

С Sumatra PDF прямой конкуренции нет: Sumatra — локальный ридер PDF, EPUB, MOBI, CHM, XPS, DjVu и комиксов, а Xtracta превращает документы в проверяемые бизнес-данные. Эти продукты могут использоваться рядом, но не взаимозаменяемы.

Инструкция по установке

Веб-доступ

1. Получите доступ через официальный сайт Xtracta, демонстрацию или партнёра; не скачивайте сторонний «desktop installer».
2. Войдите по выданному адресу и включите 2FA, если она требуется политикой.
3. Проверьте назначенные group/workflow и права до загрузки реальных документов.
4. Отправьте тестовый файл и убедитесь, что он попал в нужную очередь, а Output настроен на тестовый приёмник.

Удалять web app с ПК не требуется. При прекращении доступа администратор отзывает учётную запись/ключи и отдельно решает вопрос серверных данных по retention и договору; очистка браузера документы не удаляет.

Мобильный клиент

1. Убедитесь, что аккаунт Xtracta уже существует.
2. Установите приложение из App Store или Google Play от Xtracta Limited.
3. Войдите паролем или предусмотренным QR-способом, выберите workflow и отправьте тестовый документ.
4. Перед удалением клиента убедитесь, что нужные файлы уже появились на сервере; удаление приложения не стирает серверные документы.

API

1. Получите API-ключ с минимально нужными правами и храните его на backend.
2. Настройте HTTPS POST и нужный формат ответа XML/JSON.
3. Загрузите тестовый документ, сохраните document ID и проверяйте статус через Get Documents.
4. После успешной записи во внешнюю систему при необходимости помечайте результат archived для этого ключа.
5. Различайте ошибки прав, биллинга, блокировки и 5xx; не повторяйте любой сбой бесконечно.

Практические кейсы

Счёт поставщика

Цель: получить реквизиты и line items для ERP.

1. Настройте header fields, repeating set и валидации итогов.
2. Загрузите PDF через разрешённый канал и откройте результат в Indexing/QA.
3. Сверьте поля с изображением. Ошибочную строку исправьте; при стабильной таблице примените Learn & Extract.
4. Проверьте налог, subtotal/total и обязательные validations, затем выполните Output.
5. В ERP найдите запись и сравните ключевые суммы с оригиналом.

Ограничение: плохой скан и нестандартные таблицы увеличивают ручную проверку.

Смешанный многостраничный пакет

Цель: исправить объединённые документы или порядок страниц.

1. Откройте New ELS и Document Preview, определите реальные границы.
2. Используйте split/reassign/reorder; до Save отмените ошибочное действие через Undo.
3. Сохраните и дождитесь повторного extraction.
4. Проверьте число созданных документов, page count и назначенный workflow/class.

Ограничение: это управление страницами для IDP, не редактор содержимого PDF.

API-поток без дублей

Цель: автоматически забрать готовые данные один раз.

1. После upload сохраните document ID рядом со своим идентификатором операции.
2. Получайте статус до финального состояния, затем детальные поля.
3. Сначала атомарно запишите данные во внешней системе, затем отметьте обработку.
4. При необходимости установите api_download_status=archived для используемого ключа.
5. При повторном запуске сначала проверяйте document ID, а не создавайте новую запись.

Ограничение: archive индивидуален для API-ключа и не означает физическое удаление.

Навигатор по сбоям

Контроль перед сохранением и передачей

• Проверьте workflow, версию и порядок страниц.
• Сверьте обязательные fields и крайние line items с оригиналом.
• Разберите validation errors и контрольные суммы.
• Выберите осознанно Save или Save and Learn.
• Перед Output убедитесь в правильном тестовом/боевом приёмнике.
• После Output подтвердите запись во внешней системе и отсутствие дубля.
• Не помещайте API-ключ в браузерный код или открытые логи.
• Для чувствительных данных сверяйте регион и retention конкретного аккаунта.

Часто задаваемые вопросы

Можно ли использовать Xtracta как PDF-просмотрщик?

Веб-интерфейс показывает страницы обрабатываемого файла, но Xtracta не предназначен для обычного локального чтения. Для этого проще Sumatra PDF или другой ридер.

Работает ли Xtracta без интернета?

Hosted UI и API требуют сети. Private cloud/on-premise заявлены как отдельные варианты внедрения, а не как пользовательский offline-режим.

Есть ли русский интерфейс?

Не подтверждён. Текущая документация My Account указывает только English. Язык OCR конкретного документа нельзя путать с локализацией интерфейса.

Какие офисные файлы принимаются?

FAQ перечисляет DOC, DOCX, ODS, ODT, PDF, XLS и XLSX, а также несколько форматов изображений. Password-protected PDF обычным конвейером не обрабатывается.

Как долго хранятся данные?

Текущий FAQ говорит: field values сохраняются бессрочно; создаваемые PDF/JPG обычно удаляются через 90 дней, если документ не находится в Learning; thumbnails — через шесть месяцев с оговорками для learning history. Возможна custom retention. Для чувствительных данных нужно проверять условия своего аккаунта и договора.

Где обрабатываются документы?

Xtracta заявляет geo-distributed regional data centres и возможность выбирать региональный узел с учётом требований юрисдикции. Если для организации критичен data residency, конкретный регион и условия хранения следует закрепить до запуска, а не выводить их только из физического расположения пользователя.

Есть ли 2FA?

Да. Она включается для пользователя и может быть обязательной на уровне группы. Доверенному устройству разрешается не запрашивать код 30 дней; общий компьютер доверять не следует.

Что делает API archive?

Это download status для конкретного API-ключа, обычно используемый против повторного импорта. Он не равен удалению и может отличаться у другого ключа.

Есть ли бесплатная версия?

Неограниченная бесплатная редакция публично не заявлена. Есть предложение trial, но единые срок и квота не опубликованы; коммерческая модель — per-document pricing.

Вывод

Xtracta подходит компаниям, которым нужен управляемый IDP-поток: принять документы разными каналами, извлечь поля и line items, применить проверки, направить исключения оператору и передать чистые данные в ERP или собственное приложение. Сильнее всего продукт выглядит там, где важны API, human-in-the-loop, очереди обработки и white-label интеграция.

Для чтения, аннотаций или ручного редактирования PDF он избыточен. Локальный ридер разумнее выбирать отдельно; для desktop OCR и PDF-редактирования уместнее PDFelement или ABBYY FineReader PDF. Если инфраструктура уже целиком в AWS/Azure и команда готова самостоятельно собирать workflow, Amazon Textract или Azure Document Intelligence могут быть естественнее.

Перед внедрением Xtracta критично зафиксировать набор полей и validations, объём документов, регион/retention, реальные входные форматы, схему защиты от дублей и коммерческую цену. Тогда сервис можно оценивать как инфраструктуру автоматизации документов, а не как «ещё один PDF-инструмент».