Předem vytvořený model AI pro zpracování faktur
Předem vytvořený model AI pro zpracování faktur extrahuje klíčová data faktur, aby pomohla automatizovat zpracování faktur. Model zpracování faktury je optimalizován tak, aby rozpoznal běžné prvky faktury, jako je ID faktury, datum faktury, splatná částka a další.
Model Faktury umožňuje rozšířit výchozí chování vytvořením vlastního modelu faktur.
Používáno v Power Apps
Chcete-li zjistit, jak používat předpřipravený model zpracování faktur v Power Apps, přečtěte si téma Použití předpřipraveného model zpracování faktur v Power Apps.
Použití v Power Automate
Chcete-li zjistit, jak používat předpřipravený model zpracování faktur v Power Automate, přečtěte si téma Použití předpřipraveného model zpracování faktur v Power Automate.
Podporované jazyky a soubory
Podporovány jsou následující jazyky: albánština (Albánie), čeština (Česko), čínština (zjednodušená) Čína, čínština (tradiční) Hongkong – zvláštní administrativní oblast, čínština (tradiční) Tchaj-wan, dánština (Dánsko), chorvatština (Bosna a Hercegovina), chorvatština (Chorvatsko), chorvatština (Srbsko), nizozemština (Nizozemsko), angličtina (Austrálie), angličtina (Kanada), angličtina (Indie), angličtina (Spojené království), angličtina (Spojené státy), estonština (Estonsko), finština (Finsko), francouzština (Francie), němčina (Německo), maďarština (Maďarsko), islandština (Island), italština (Itálie), japonština (Japonsko), korejština (Korea), litevština (Litva), lotyština (Lotyšsko), malajština (Malajsie), norština (Norsko), polština (Polsko), portugalština (Portugalsko), rumunština (Rumunsko), slovenština (Slovensko), slovinština (Slovinsko), srbština (Srbsko), španělština (Španělsko), švédština (Švédsko).
Chcete-li dosáhnout nejlepších výsledků, poskytněte jednu jasnou fotografii nebo sken pro každou fakturu.
- Formát obrázku musí být JPEG, PNG nebo PDF.
- Velikost souboru nesmí přesáhnout 20 MB.
- Rozměry obrázku musí být mezi 50 x 50 a 10 000 x 10 000 pixely.
- Rozměry PDF musí být nejvýše 17 x 17 palců, což odpovídá formátu papíru Legal nebo A3 nebo menší.
- U dokumentů PDF se zpracuje pouze prvních 2 000 stránek.
Výstup modelu
Pokud je zjištěna faktura, model zpracování faktury odešle následující informace:
| Vlastnost | definice |
|---|---|
| Splatná částka (text) | Splatná částka, jak je napsána na faktuře. |
| Splatná částka (číslo) | Splatná částka ve standardizovaném číselném formátu. Příklad: 1234,98. |
| Spolehlivost splatné částky | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Fakturační adresa | Fakturační adresa. |
| Spolehlivost fakturační adresy | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Příjemce fakturační adresy | Příjemce fakturační adresy. |
| Spolehlivost příjemce fakturační adresy | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Adresa zákazníka | Adresa zákazníka. |
| Spolehlivost adresy zákazníka | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Příjemce adresy zákazníka | Příjemce adresy zákazníka. |
| Spolehlivost příjemce adresy zákazníka | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| ID zákazníka | ID zákazníka. |
| Spolehlivost ID zákazníka | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Jméno zákazníka | Jméno zákazníka. |
| Spolehlivost jména zákazníka | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| DIČ zákazníka | Daňové číslo přidružené k zákazníkovi. |
| Spolehlivost DIČ zákazníka | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Datum splatnosti (text) | Datum splatnosti tak, jak je napsáno na faktuře. |
| Datum splatnosti (datum) | Datum splatnosti ve standardizovaném formátu data. Příklad: 2019-05-31. |
| Spolehlivost data splatnosti | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Datum faktury (text) | Datum faktury, jak je napsáno na faktuře. |
| Datum faktury (datum) | Datum faktury ve standardizovaném formátu data. Příklad: 2019-05-31. |
| Spolehlivost data faktury | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| ID faktury | ID faktury. |
| Spolehlivost čísla faktury | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Součet faktury (text) | Součet faktury, jak je napsán na faktuře. |
| Součet faktury (číslo) | Součet faktury ve standardizovaném formátu data. Příklad: 2019-05-31. |
| Spolehlivost součtu faktury | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Řádkové položky | Položky řádku extrahované z faktury. Pro každý sloupec jsou k dispozici skóre spolehlivosti.
|
| Platební podmínky | Platební podmínky faktury. |
| Spolehlivost platebních podmínek | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Nákupní objednávka | Nákupní objednávka. |
| Spolehlivost nákupní objednávky | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Předchozí nezaplacený zůstatek (text) | Předchozí nezaplacený zůstatek, jak napsaný na faktuře. |
| Předchozí nezaplacený zůstatek (číslo) | Předchozí nezaplacený zůstatek ve standardizovaném číselném formátu. Příklad: 1234,98. |
| Spolehlivost předchozího nezaplaceného zůstatku | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Adresa úhrady | Adresa pro úhradu. |
| Spolehlivost adresy úhrady | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Příjemce adresy úhrady | Příjemce adresy úhrady. |
| Spolehlivost příjemce adresy úhrady | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Adresa služby | Adresa služby. |
| Spolehlivost adresy služby | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Příjemce adresy služby | Příjemce adresy služby. |
| Spolehlivost příjemce adresy služby | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Datum zahájení služby (text) | Datum zahájení služby tak, jak je napsané na faktuře. |
| Počáteční datum služby (datum) | Datum zahájení služby ve standardizovaném formátu data. Příklad: 2019-05-31. |
| Spolehlivost počátečního data služby | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Datum ukončení služby (text) | Datum ukončení služby tak, jak je napsané na faktuře. |
| Koncové datum služby (datum) | Datum ukončení služby ve standardizovaném formátu data. Příklad: 2019-05-31. |
| Spolehlivost data ukončení služby | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Dodací adresa | Dodací adresa. |
| Spolehlivost dodací adresy | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Příjemce dodací adresy | Příjemce dodací adresy. |
| Spolehlivost příjemce dodací adresy | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Mezisoučet (text) | Mezisoučet, jak je napsán na faktuře. |
| Mezisoučet (číslo) | Mezisoučet ve standardizovaném číselném formátu. Příklad: 1234,98. |
| Spolehlivost mezisoučtu | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Celková daň (text) | Celková daň, jak je napsána na faktuře. |
| Celková daň (číslo) | Celková daň ve standardizovaném číselném formátu. Příklad: 1234,98. |
| Spolehlivost celkové daně | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Adresa dodavatele | Adresa dodavatele. |
| Spolehlivost adresy dodavatele | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Příjemce adresy dodavatele | Příjemce adresy dodavatele. |
| Spolehlivost příjemce adresy dodavatele | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Jméno dodavatele | Jméno dodavatele. |
| Spolehlivost jména dodavatele | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| DIČ dodavatele | Daňové číslo přidružené k dodavateli. |
| Spolehlivost DIČ dodavatele | Jak moc si je model jistý svou predikcí. Skóre mezi 0 (nízká spolehlivost) a 1 (vysoká spolehlivost). |
| Zjištěný text | Řádek rozpoznaného textu ze spuštěného OCR na faktuře. Vrátil se jako součást seznamu textu. |
| Detekovaný klíč | Páry klíč–hodnota jsou všechny identifikované štítky nebo klíče a jejich přidružené odpovědi nebo hodnoty. Můžete je použít k extrahování dalších hodnot, které nejsou součástí předdefinovaného seznamu polí. |
| Detekovaná hodnota | Páry klíč–hodnota jsou všechny identifikované štítky nebo klíče a jejich přidružené odpovědi nebo hodnoty. Můžete je použít k extrahování dalších hodnot, které nejsou součástí předdefinovaného seznamu polí. |
Páry klíč-hodnota
Páry klíč–hodnota jsou všechny identifikované štítky nebo klíče a jejich přidružené odpovědi nebo hodnoty. Můžete je použít k extrahování dalších hodnot, které nejsou součástí předdefinovaného seznamu polí.
Chcete-li vizualizovat všechny páry klíč–hodnota zjištěné modelem zpracování faktur, můžete přidat akci Vytvořit HTML tabulku do svého toku, jak je znázorněno na snímku obrazovky, a spustit tok.
Chcete-li extrahovat konkrétní klíč, u kterého znáte jeho hodnotu, můžete použít akci Pole filtrů, jak je znázorněno na snímku obrazovky níže. V příkladu snímku obrazovky chceme extrahovat hodnotu klíče Tel.:
Limity
Následující limit se vztahuje na volání prováděná v jednotlivých prostředích napříč modely zpracování dokumentů včetně předpřipravených modelů: zpracování účtenek a zpracování faktur.
| Akce | Limit | Období prodloužení |
|---|---|---|
| Volání (podle prostředí) | 360 | 60 sekund |
Vytvoření vlastního řešení pro zpracování faktur
Předem připravený model AI pro zpracování faktur je navržen tak, aby extrahoval běžná pole nalezená na fakturách. Protože každý podnik je jedinečný, možná budete chtít extrahovat pole, která nejsou zahrnuta v tomto předem připraveném modelu. Může se také stát, že některá standardní pole nejsou pro konkrétní typ faktury, se kterou pracujete, dobře extrahována. Tento problém lze vyřešit dvěma způsoby:
Použití vlastního modelu zpracování faktur: Rozšiřte chování předem vytvořeného modelu zpracování faktur přidáním nových polí, která se mají extrahovat navíc k těm, která jsou výchozí, nebo vzorků dokumentů, které nebyly správně extrahovány. Chcete-li se dozvědět, jak rozšířit předem sestavený model zpracování faktur, přejděte na Výběr typu dokumentu.
Zobrazte nezpracované výsledky OCR: Pokaždé, když předem připravený model AI pro zpracování faktur zpracovává soubor, který zadáte, provede také operaci OCR, aby extrahovala každé slovo zapsané do souboru. K nezpracovaným výsledkům OCR na detekovaném textovém výstupu poskytnutém modelem můžete přistupovat. K získání dat, která potřebujete, může stačit jednoduché vyhledávání obsahu vráceného detekovaným textem.
Použít zpracování dokumentů : S nástrojem AI Builder můžete také vytvořit svůj vlastní model umělé inteligence pro extrahování konkrétních polí a tabulek, které potřebujete pro dokumenty, se kterými pracujete. Stačí vytvořit model zpracování dokumentů a natrénovat ho tak, aby z faktury extrahoval všechny informace, které nefungují dobře s modelem pro extrahování faktur.
Jakmile natrénujete svůj vlastní model zpracování dokumentů, můžete jej zkombinovat s předem sestaveným modelem zpracování faktur v toku Power Automate.
Zde je uvedeno několik příkladů:
Pomocí vlastního modelu zpracování dokumentů můžete extrahovat další pole, která nejsou vrácena předem sestaveným modelem zpracování faktur
V tomto příkladu jsme trénovali vlastní model zpracování dokumentů pro extrakci čísla věrnostního programu, přítomné pouze na fakturách od poskytovatelů Adatum a Contoso.
Tok se aktivuje vždy, když se do složky SharePoint přidá nová faktura. Poté tok zavolá předem vytvořený model AI pro zpracování faktur, aby extrahoval data. Dále zkontrolujeme, zda je dodavatel zpracovávané faktury buď ze společnosti Adatum nebo Contoso. Pokud ano, pak zavoláme vlastní model zpracování dokumentů, který jsme vytrénovali, abychom získali toto věrnostní číslo. Nakonec extrahovaná data z faktury uložíme do souboru Excel.
Použití vlastního modelu pro zpracování dokladů, pokud je skóre důvěryhodnosti pro pole vrácené předpřipraveným modelem pro zpracování faktur nízké
V tomto příkladu jsme vycvičili vlastní model zpracování dokumentů, abychom extrahovali celkovou částku z faktur, kde při použití předem sestaveného modelu zpracování faktur obvykle získáme nízké skóre spolehlivosti.
Tok se aktivuje vždy, když se do složky SharePoint přidá nová faktura. Poté tok zavolá předem vytvořený model AI pro zpracování faktur, aby extrahoval data. Dále zkontrolujeme, zda je skóre spolehlivosti vlastnosti Celková hodnota faktury menší než 0,65. Pokud tomu tak je, pak zavoláme vlastní model zpracování dokumentů, který jsme trénovali s fakturami, kde obvykle získáme nízké skóre spolehlivosti pro celé pole. Nakonec extrahovaná data z faktury uložíme do souboru Excel.
Použijte předpřipravený model zpracování faktur ke zpracování faktur, na které nebyl vytrénován vlastní model zpracování dokumentů.
Jedním ze způsobů, jak využít předpřipravený model zpracování faktur, je použít jej jako záložní model pro zpracování faktur, které jste nevycvičili ve vlastním modelu zpracování dokumentů. Řekněme například, že jste vytvořili model zpracování dokumentů a natrénovali jej, aby extrahoval data od vašich 20 nejlepších poskytovatelů faktur. Potom můžete použít předem vytvořený model pro zpracování faktur ke zpracování všech nových faktur nebo menšího objemu faktur. Zde je příklad, jak byste to mohli udělat:
Tento tok se aktivuje vždy, když se do složky SharePoint přidá nová faktura. Poté zavolá vlastní model zpracování dokumentu, aby extrahoval jeho data. Dále zkontrolujeme, zda je skóre spolehlivosti pro detekovanou kolekci menší než 0,65. Pokud ano, pravděpodobně to znamená, že poskytnutá faktura neodpovídá vlastnímu modelu. Poté zavoláme předem sestavený model zpracování faktur. Nakonec extrahovaná data z faktury uložíme do souboru Excel.
