GLM-OCR

GLM-OCR은 사진이나 스캔한 문서 속 글자를 읽어서 컴퓨터가 다룰 수 있는 텍스트로 바꿔주는 모델이다. 명함을 찍으면 이름과 전화번호가 자동으로 입력되는 앱을 떠올리면 된다. 그 원리를 담당하는 것이 바로 이런 모델이다.

종이에 손으로 쓴 메모, 표가 들어간 문서, 간판 사진처럼 형태가 제각각인 이미지에서도 글자를 인식해 문자열로 뽑아내는 것이 목표다. 사람이 눈으로 읽고 타이핑하던 작업을 대신해준다고 보면 된다.

즈푸 AI는 언어 모델 GLM-5.1, 이미지 생성 모델 GLM-Image와 비슷한 시기에 GLM-OCR을 함께 내놓았다. 텍스트, 이미지 생성, 이미지 인식까지 한 회사가 여러 갈래의 모델을 동시에 갖추려는 흐름 속에서 나온 결과물이다.

기사에서는 "이어 8월 10일에는 텍스트-이미지 생성 모델 GLM-Image와 이미지-텍스트 변환 모델 GLM-OCR을 나란히 공개했다"처럼 등장한다. GLM-OCR은 글을 새로 만들어내는 모델이 아니라, 이미지 안에 이미 있는 글자를 그대로 읽어내는 모델이라는 점이 흔히 헷갈리는 부분이다.

이미지를 텍스트로 바꾸고 싶다면 GLM-OCR을 불러올 수 있는 도구나 API에 사진 파일을 넣고 다음처럼 요청해본다.

"이 이미지 안에 있는 글자를 모두 추출해서 줄바꿈까지 그대로 텍스트로 정리해줘."

표나 손글씨가 섞인 이미지라면 "표 구조를 유지해서 정리해줘"처럼 조건을 덧붙이면 결과가 더 정돈된다.