能否下载Power Automate AI Builder训练的模型？求跨平台部署工具推荐

需要从数千份不同布局的PDF中提取地点、地址、设备型号等特定信息，目标是将模型集成到Python中，未来嵌入网站或其他应用。目前已通过Power Automate AI Builder完成数百份PDF的标注和模型训练，但该模型无法下载，也不能部署到微软生态之外的环境。

• Google Document AI：支持自定义文档提取模型的标注与训练，但不能直接下载模型文件，只能通过其Python SDK调用云端服务实现集成，模型始终托管在Google云平台，无法离线部署。
• Azure AI Document Intelligence（原Form Recognizer）：自定义训练后的模型同样不支持导出本地文件，只能通过REST API或Python SDK调用云端服务。仅部分预训练模型支持容器化离线部署，自定义模型暂不支持。

• spaCy + Prodigy：Prodigy可可视化标注PDF转换后的文本/布局数据，训练自定义命名实体识别（NER）模型，训练完成后能导出spaCy格式的模型文件，可直接在Python中离线加载使用。需要先借助PyMuPDF、pdfplumber等工具将PDF转为带布局信息的文本格式。
• 自定义PyTorch/TensorFlow模型：如果具备开发能力，可先用PyMuPDF提取PDF的文本和布局信息，通过LabelStudio完成数据标注，再用PyTorch或TensorFlow训练专属的信息抽取模型，训练后可导出.pt/.h5等格式的本地模型文件，完全可控，支持离线集成到Python项目或应用中。
• LayoutLM系列模型：微软开源的LayoutLM专门针对文档布局信息抽取，可通过Hugging Face Transformers库加载预训练模型，用自己标注的PDF数据微调，微调后的模型可导出为本地文件，直接在Python中使用，也能部署到网站或应用。

• 之前在Power Automate AI Builder中完成的标注数据，可导出为JSON等通用格式，导入到新工具中复用，减少重复标注工作。
• 选择开源工具时，PDF的布局解析（文本位置、字体信息提取）是核心步骤，这直接影响模型对不同布局PDF的适配能力。

内容的提问来源于stack exchange，提问作者Wassim Chihi