Qwen3-0.6B · extractor de facturas a JSON (v2)

Convierte texto de facturas, tickets y correos de proveedor (por ejemplo, la salida de un OCR) en un JSON con estructura fija. Ajustado con LoRA sobre 500 facturas sintéticas en español, catalán e inglés.

Novedades v2: campos vacíos → null, descuentos por línea, retención IRPF de autónomos, facturas en catalán e inglés y cientos de proveedores distintos.

Formato de salida

{"proveedor": "str|null", "nif": "str|null", "numero_factura": "str|null", "fecha": "AAAA-MM-DD|null",
 "lineas": [{"descripcion": "str", "cantidad": 1, "precio_unitario": 0.0, "descuento_porcentaje": 0}],
 "base_imponible": 0.0, "iva_porcentaje": 21, "irpf_porcentaje": 0, "total": 0.0}

• Un dato que no aparece o está vacío → null (no se calcula).
• descuento_porcentaje e irpf_porcentaje → 0 si no se mencionan.
• proveedor y descripcion se copian tal como aparecen.

Uso con Ollama

ollama run hf.co/Ernes14AG/qwen3-0.6b-facturas-GGUF:Q8_0 --think=false

Importante: usa --think=false (o /set nothink en una sesión abierta). El modelo responde directamente con el JSON; sin esa opción Ollama activa el razonamiento de Qwen3, más lento e innecesario.

Desde Python:

import ollama
r = ollama.generate(model="hf.co/Ernes14AG/qwen3-0.6b-facturas-GGUF:Q8_0", prompt=texto_factura,
                    format="json", think=False)
print(r["response"])

Resultados (80 facturas de prueba no vistas al entrenar)

Facturas perfectas por tipo:

Limitaciones

• Datos sintéticos: con facturas reales y formatos muy distintos la precisión será menor.
• La entrada debe ser texto; para fotos o PDF escaneados, pasa antes un OCR.

Versiones

• main: v2 (esta).
• v1: solo español, 12 proveedores, sin campos vacíos. En Python: AutoModelForCausalLM.from_pretrained("Ernes14AG/qwen3-0.6b-facturas", revision="v1").
• GGUF para Ollama: Ernes14AG/qwen3-0.6b-facturas-GGUF · Pesos completos: Ernes14AG/qwen3-0.6b-facturas