Trasforma i Corsi SCORM Abbandonati in una Knowledge Base Attiva

Le librerie di formazione aziendale contengono decenni di conoscenza di dominio accumulata — procedure di sicurezza, requisiti di conformità, specifiche di prodotto, processi di onboarding. Questi contenuti sono stati creati da esperti in materia a costi significativi. Ma sono intrappolati in pacchetti SCORM progettati per l'interoperabilità con gli LMS, non per le pipeline AI.

ScormParser colma questo divario. Il nostro motore AI comprende la struttura interna di SCORM, estrae ogni asset di contenuto, trascrive audio e video e produce contenuti pre-suddivisi in chunk pronti per l'embedding.

Carica un pacchetto ZIP SCORM tramite la nostra API. L'AI di ScormParser elabora l'intero pacchetto — estraendo il contenuto testuale, trascrivendo audio e video con speech-to-text e strutturando tutto in Markdown o JSON pulito. L'output include confini di chunk pre-calcolati ottimizzati per i modelli di embedding più diffusi.

Diversi modelli di embedding hanno finestre di contesto differenti e funzionano meglio con dimensioni di chunk diverse. ScormParser ti permette di configurare strategie di chunking adatte al tuo modello — che tu stia usando text-embedding-3-large di OpenAI, embed-v3 di Cohere o modelli open-source come BGE o E5. Ogni chunk include metadati sulla gerarchia del corso in modo che la tua pipeline di retrieval preservi il contesto.

{
  "text": "All forklift operators must complete...",
  "metadata": {
    "course": "Warehouse Safety 2024",
    "module": "Equipment Operation",
    "slide": 7
  }
}

L'output in chunk di ScormParser è progettato per essere inserito direttamente nei database vettoriali più diffusi. Carica i chunk direttamente in Pinecone, Weaviate, Qdrant o ChromaDB senza scrivere codice di trasformazione personalizzato. Il formato di output è allineato con ciò che questi database si aspettano, così puoi passare da SCORM a conoscenza ricercabile in pochi minuti.