Dokumentverarbeitungsmodelle

Dieser Inhalt gilt für: Version 3.1 (GA) | Aktuelle Version: Version 4.0 (Vorschau) | Vorherige Versionen: Version 3.0 Version 2.1

Azure KI Dokument Intelligenz unterstützt eine Vielzahl von Modellen, mit denen Sie Ihren Apps und Flows intelligente Dokumentverarbeitung hinzufügen können. Sie können ein vordefiniertes domänenspezifisches Modell oder ein benutzerdefiniertes Modell trainieren, das auf Ihre spezifischen Geschäftsanforderungen und Anwendungsfälle zugeschnitten ist. Dokument Intelligenz kann mit der REST-API oder Python-, C#-, Java- und JavaScript-Clientbibliotheken verwendet werden.

Hinweis

• Dokumentverarbeitungsprojekte, die Finanzdaten, geschützte Gesundheitsdaten, persönliche oder hochsensible Daten umfassen, erfordern besondere Umsicht.
• Stellen Sie sicher, dass alle nationalen, regionalen und branchenspezifischen Anforderungen erfüllt werden.

Übersicht über das Modell

In der folgenden Tabelle sind die verfügbaren Modelle für jede aktuelle Vorschau- und stabile API aufgeführt:

Modelltyp	Modell	• 2024-02-29-preview • 2023-10-31-preview	2023-07-31 (GA)	2022-08-31 (GA)	v2.1 (GA)
Dokumentanalysemodelle	Lesen	✔️	✔️	✔️	–
Dokumentanalysemodelle	Layout	✔️	✔️	✔️	✔️
Dokumentanalysemodelle	Allgemeines Dokument	in das Layout verschoben**	✔️	✔️	–
Vordefinierte Modelle	Bankscheck	✔️	–	n/v	–
Vordefinierte Modelle	Kontoauszug	✔️	–	n/v	–
Vordefinierte Modelle	Lohnabrechnung	✔️	–	n/v	–
Vordefinierte Modelle	Vertrag	✔️	✔️	–	–
Vordefinierte Modelle	Krankenversicherungskarte	✔️	✔️	✔️	–
Vordefinierte Modelle	ID-Dokument	✔️	✔️	✔️	✔️
Vordefinierte Modelle	Rechnung	✔️	✔️	✔️	✔️
Vordefinierte Modelle	Rechnung	✔️	✔️	✔️	✔️
Vordefinierte Modelle	US Unified Tax*	✔️	–	n/v	–
Vordefinierte Modelle	US 1040 Tax*	✔️	✔️	–	–
Vordefinierte Modelle	US 1098 Tax*	✔️	–	n/v	–
Vordefinierte Modelle	US 1099 Tax*	✔️	–	n/v	–
Vordefinierte Modelle	US W2 Tax	✔️	✔️	✔️	–
Vordefinierte Modelle	US-Hypothek 1003 URLA	✔️	–	n/v	–
Vordefinierte Modelle	US Mortgage 1004 URAR	✔️	–	n/v	–
Vordefinierte Modelle	US Mortgage 1005	✔️	–	n/v	–
Vordefinierte Modelle	US Mortgage 1008 Zusammenfassung	✔️	–	n/v	–
Vordefinierte Modelle	US-Hypothekenabschluss-Offenlegung	✔️	–	n/v	–
Vordefinierte Modelle	Heiratsurkunde	✔️	–	n/v	–
Vordefinierte Modelle	Kreditkarte	✔️	–	n/v	–
Vordefinierte Modelle	Visitenkarte	deprecated	✔️	✔️	✔️
Benutzerdefiniertes Klassifizierungsmodell	Benutzerdefinierter Klassifizierer	✔️	✔️	–	Nicht zutreffend
Benutzerdefiniertes generatives Modell	Benutzerdefiniertes generatives Modell	✔️	–	n/v	Nicht zutreffend
Benutzerdefiniertes Extraktionsmodell	Benutzerdefiniertes neuronales Modell	✔️	✔️	✔️	Nicht zutreffend
Customextraction-Modell	Benutzerdefinierte Vorlage	✔️	✔️	✔️	✔️
Benutzerdefiniertes Extraktionsmodell	Benutzerdefiniert zusammengesetzt	✔️	✔️	✔️	✔️
Alle Modelle	Add-On-Funktionen	✔️	✔️	–	Nicht zutreffend

* – Enthält Untermodelle. Informationen zu unterstützten Variationen und Untertypen finden Sie in den modellspezifischen Informationen.

Latency

Latenz ist die Zeit, die ein API-Server benötigt, um eine eingehende Anforderung zu behandeln und zu verarbeiten und die ausgehende Antwort an den Client zu senden. Die Dauer einer Dokumentanalyse hängt von der Größe (z. B. Anzahl von Seiten) und vom Inhalt der einzelnen Seiten ab. Dokument Intelligenz ist ein mehrinstanzenfähiger Dienst, bei dem die Latenz für ähnliche Dokumente vergleichbar, aber nicht immer identisch ist. Gelegentliche Variabilität bei Latenz und Leistung ist in jedem auf Microservices basierenden, zustandslosen, asynchronen Dienst, der Bilder und große Dokumente im großen Stil verarbeitet, inhärent. Obwohl wir die Hardware-, Kapazitäts- und Skalierungsfunktionen kontinuierlich hochskalieren, können zur Laufzeit weiterhin Latenzprobleme auftreten.

Add-On-Funktion	Add-On/Free	• 2024-02-29-preview &bullet [2023-10-31-preview](/rest/api/aiservices/operation-groups?view=rest-aiservices-v4.0%20(2024-07-31-preview)&preserve-view=true	2023-07-31 (GA)	2022-08-31 (GA)	v2.1 (GA)
Extraktion von Schrifteigenschaften	Add-On	✔️	✔️	–	–
Formelextraktion	Add-On	✔️	✔️	–	–
Hochauflösende Extraktion	Add-On	✔️	✔️	–	–
Barcodeextraktion	Kostenlos	✔️	✔️	–	–
Sprachenerkennung	Kostenlos	✔️	✔️	–	–
Schlüssel-Wert-Paare	Kostenlos	✔️	–	n/v	–
Abfragefelder	Add-On*	✔️	–	n/v	Nicht zutreffend
Durchsuchbare PDF	Add-On*	✔️	–	n/v	Nicht zutreffend

Funktionen der Modellanalyse

Modell-ID	Inhaltsextraktion	Abfragefelder	Absätze	Absatzrollen	Auswahlmarkierungen	Tabellen	Schlüssel-Wert-Paare	Sprachen	Barcodes	Dokumentanalyse	Formeln*	Schriftstil*	Hohe Auflösung*	Durchsuchbare PDF
prebuilt-read	✓						O	O		O	O	O		✓
prebuilt-layout	✓	✓	✓	✓	✓	✓		O	O		O	O	O
prebuilt-document	✓	✓	✓	✓	✓	✓	✓	O	O		O	O	O
prebuilt-businessCard	✓	✓								✓
prebuilt-contract	✓	✓	✓	✓			O	O	✓	O	O	O
prebuilt-healthInsuranceCard.us	✓	✓						O	O	✓	O	O	O
prebuilt-idDocument	✓	✓						O	O	✓	O	O	O
Vordefinierte Rechnung	✓	✓			✓	✓	O	O	O	✓	O	O	O
prebuilt-receipt	✓	✓						O	O	✓	O	O	O
prebuilt-marriageCertificate.us	✓	✓						O	O	✓	O	O	O
prebuilt-creditCard	✓	✓						O	O	✓	O	O	O
prebuilt-check.us	✓	✓						O	O	✓	O	O	O
prebuilt-payStub.us	✓	✓						O	O	✓	O	O	O
prebuilt-bankStatement	✓	✓						O	O	✓	O	O	O
prebuilt-mortgage.us.1003	✓	✓						O	O	✓	O	O	O
prebuilt-mortgage.us.1004	✓	✓						O	O	✓	O	O	O
prebuilt-mortgage.us.1005	✓	✓						O	O	✓	O	O	O
prebuilt-mortgage.us.1008	✓	✓						O	O	✓	O	O	O
prebuilt-mortgage.us.closingDisclosure	✓	✓						O	O	✓	O	O	O
prebuilt-tax.us	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.w2	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1098	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1098E	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1098T	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1099(Varianten)	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1040(variations)	✓	✓						O	O	✓	O	O	O
{ customModelName }	✓	✓	✓	✓	✓	✓		O	O	✓	O	O	O

✓ – Aktiviert
O – Optional
* – Durch Premium-Features entstehen zusätzliche Kosten

Add-On*: Abfragefelder werden anders berechnet als die anderen Add-On-Features. Weitere Informationen finden Sie unter Preise.

Begrenzungsrahmen- und Polygonkoordinaten

Ein umgebendes Feld (polygon in Version 3.0 und höher) ist ein abstraktes Rechteck, das Textelemente in einem Dokument umschließt und als Referenzpunkt für die Objekterkennung verwendet wird.

• Der Begrenzungsrahmen gibt die Position mithilfe einer x- und y-Koordinatenebene an, die als Array von vier numerischen Paaren dargestellt wird. Jedes Paar stellt eine Ecke des Felds in der folgenden Reihenfolge dar: oben links, oben rechts, unten rechts, unten links.

• Bildkoordinaten werden in Pixel angegeben. Bei einer PDF-Datei werden die Koordinaten in Zoll angegeben.

Für alle Modelle mit Ausnahme des Visitenkartenmodells unterstützt Dokument Intelligenz jetzt Add-On-Funktionen, um eine komplexere Analyse zu ermöglichen. Diese optionalen Funktionen können je nach Szenario der Dokumentextraktion aktiviert und deaktiviert werden. Für das Release 2023-07-31 (allgemeine Verfügbarkeit) und die spätere API-Version stehen sieben Add-On-Funktionen zur Verfügung:

• ocrHighResolution
• formulas
• styleFont
• barcodes
• languages
• keyValuePairs (2024-02-29-preview, 2023-10-31-preview)
• queryFields (2024-02-29-preview, 2023-10-31-preview) Not available with the US.Tax models
• searchablePDF (2024-07-31-preview) Only available for Read Model

Sprachunterstützung

Die auf Deep Learning basierenden universellen Modelle von Dokument Intelligenz unterstützen eine Vielzahl von Sprachen und können mehrsprachige Texte aus Ihren Bildern und Dokumenten extrahieren, darunter auch Textzeilen mit gemischten Sprachen. Die Sprachunterstützung variiert je nach Funktionalität des Dokument Intelligenz-Diensts. Eine umfassende Liste finden Sie in den folgenden Artikeln:

• Sprachunterstützung: Dokumentanalysemodelle
• Sprachunterstützung: vorgefertigte Modelle
• Sprachunterstützung: benutzerdefinierte Modelle

Regionale Verfügbarkeit

Dokument Intelligenz ist in vielen der mehr als 60 globalen Azure-Infrastrukturregionen allgemein verfügbar.

Weitere Informationen finden Sie auf unserer Seite Azure-Geografien zur Auswahl der Region, die für Sie und Ihre Kunden am besten geeignet ist.

Modelldetails

In diesem Abschnitt wird die Ausgabe beschrieben, die Sie von jedem Modell erwarten können. Sie können die Ausgabe der meisten Modelle mit Add-On-Features erweitern.

Read OCR

Die Lese-API analysiert und extrahiert Zeilen, Wörter, deren Positionen, erkannte Sprachen und Handschrift, falls erkannt.

Beispieldokument verarbeitet mit Dokument Intelligenz Studio:

Weitere Informationen: Lesemodell

Layoutanalyse

Das Layoutanalysemodell analysiert und extrahiert Text, Tabellen, Auswahlmarkierungen und andere Strukturelemente wie Titel, Abschnittsüberschriften, Seitenkopfzeilen, Seitenfußzeilen und mehr.

Beispieldokument verarbeitet mit Dokument Intelligenz Studio:

Mehr erfahren: Layout-Modell

Krankenversicherungskarte

Das Krankenversicherungskartenmodell kombiniert leistungsstarke Funktionen zur optischen Zeichenerkennung (Optical Character Recognition, OCR) mit Deep Learning-Modellen, um wichtige Informationen aus US-Krankenversicherungskarten zu analysieren und zu extrahieren.

Beispiel für eine mit Dokument Intelligenz Studio verarbeitete US-Krankenversicherungskarte:

Weitere Informationen: Modell der Krankenversicherungskarte

US-Steuerdokumente

Die US-Steuerdokumentmodelle analysieren und extrahieren Schlüsselfelder und Positionen aus einer ausgewählten Gruppe von Steuerdokumenten. Die API unterstützt die Analyse von englischsprachigen US-Steuerdokumenten verschiedener Formate und Qualität, einschließlich per Smartphone erfasster Bilder, gescannter Dokumente und digitaler PDFs. Die folgenden Modelle werden derzeit unterstützt:

Modell	Beschreibung	ModelID
US-Steuer W-2	Extrahieren Sie Details zur steuerpflichtigen Ausgleichszahlung.	prebuilt-tax.us.w2
US Tax 1040	Extrahieren von Details zu Hypothekenzinsen.	prebuilt-tax.us.1040(variations)
US-Steuer 1098	Extrahieren von Details zu Hypothekenzinsen.	prebuilt-tax.us.1098(variations)
US Tax 1099	Extrahieren von Einnahmen aus anderen Quellen als dem Arbeitgeber.	prebuilt-tax.us.1099 (Varianten)

W-2-Beispieldokument verarbeitet mit Dokument Intelligenz Studio:

Weitere Informationen: Steuerdokumentmodelle

US-Hypothekendokumente

Die Modelle für US-Hypothekendokumente analysieren und extrahieren Schlüsselfelder, einschließlich Darlehens-, Kredit- und Immobilieninformationen aus einer ausgewählten Gruppe von Hypothekendokumenten. Die API unterstützt die Analyse von englischsprachigen US-Hypothekendokumenten verschiedener Formate und Qualität, einschließlich per Smartphone erfasster Bilder, gescannter Dokumente und digitaler PDFs. Die folgenden Modelle werden derzeit unterstützt:

Modell	Beschreibung	ModelID
1003 Microsoft-Software-Lizenzbedingungen (EULA)	Extrahieren von Informationen zu Darlehen, Darlehensnehmer, Immobilien.	prebuilt-mortgage.us.1003
Zusammenfassungsdokument 1008	Extrahieren von Informationen zu Darlehensnehmer, Verkäufer, Immobilie, Hypotheken und Absicherung.	prebuilt-mortgage.us.1008
Offenlegung des Abschlusses	Extrahieren von Informationen zu Abschluss, Transaktionskosten und Kreditdetails.	prebuilt-mortgage.us.closingDisclosure
Heiratsurkunde	Extrahieren von Eheinformationen für gemeinschaftliche Kreditantragsteller.	prebuilt-marriageCertificate
US-Steuer W-2	Extrahieren von Details zur steuerpflichtigen Vergütung für die Einkommensprüfung.	prebuilt-tax.us.w2

Beispieldokument für die Abschlussoffenlegung, verarbeitet mit Document Intelligence Studio:

Weitere Informationen: Modelle für Hypothekendokumente

Vertrag

Das Vertragsmodell analysiert und extrahiert Schlüsselfelder und Zeilenelemente aus Vertragsvereinbarungen, einschließlich Parteien, Gerichtsbarkeiten, Vertrags-IDs und Titeln. Das Modell unterstützt derzeit englischsprachige Vertragsdokumente.

Beispielvertrag verarbeitet mit Dokument Intelligenz Studio:

Weitere Informationen: Vertragsmodell

Rechnung

Das Rechnungsmodell automatisiert die Verarbeitung von Rechnungen, um Kundennamen, Abrechnungsadresse, Fälligkeitsdatum und fälliger Betrag, Rechnungspositionen und andere Schlüsseldaten zu extrahieren. Derzeit unterstützt das Modell englische, spanische, deutsche, französische, italienische, portugiesische und niederländische Rechnungen.

Beispielrechnung verarbeitet mit Dokument Intelligenz Studio:

Mehr erfahren: Rechnungsmodell

Rechnung

Verwenden Sie das Belegmodell, um Verkaufsquittungen auf Händlernamen, Datumsangaben, Artikelpositionen, Mengen und Summen aus gedruckten und handschriftlichen Belegen zu scannen. Die Version v3.0 unterstützt auch die Verarbeitung einseitiger Hotelbelege.

Beispielbeleg verarbeitet mit Dokument Intelligenz Studio:

Mehr erfahren: Eingangsmodell

Identitätsdokument (ID)

Mit dem Identitätsdokumentmodell (ID) können Sie US-Führerscheine (alle 50 Bundesstaaten und District of Columbia) und Seiten mit biografischen Angaben aus internationalen Reisepässen (ohne Visa und andere Reisedokumente) verarbeiten, um wichtige Felder zu extrahieren.

US-Beispielfahrerlaubnis verarbeitet mit Dokument Intelligenz Studio:

Mehr erfahren: Identitätsdokumentmodell

Heiratsurkunde

Verwenden Sie das Modell für Heiratsurkunden, um US-Ehezertifikate zu verarbeiten und Schlüsselfelder zu extrahieren, u. a. Personen, Datum und Ort.

Beispiel für US-Heiratsurkunde, verarbeitet mit Document Intelligence Studio:

Mehr erfahren: Identitätsdokumentmodell

Kreditkarte

Verwenden Sie das Kreditkartenmodell, um Kredit- und Debitkarten zum Extrahieren von Schlüsselfeldern zu verarbeiten.

Beispielkreditkarte, verarbeitet mit Document Intelligence Studio:

Mehr erfahren: Identitätsdokumentmodell

Benutzerdefinierte Modelle

Benutzerdefinierte Modelle können allgemein in zwei Typen unterteilt werden. Benutzerdefinierte Klassifizierungsmodelle, die die Klassifizierung eines „Dokumenttyps“ unterstützen, und benutzerdefinierte Extraktionsmodelle, die ein definiertes Schema aus einem bestimmten Dokumenttyp extrahieren können.

Benutzerdefinierte Dokumentmodelle analysieren und extrahieren Daten aus Formularen und Dokumenten, die für Ihr Unternehmen spezifisch sind. Sie erkennen Formularfelder innerhalb Ihrer unterschiedlichen Inhalte und extrahieren Schlüssel-Wert-Paare sowie Tabellendaten. Für den Anfang benötigen Sie lediglich ein Beispiel des Formulartyps.

Version v3.0 und höher der benutzerdefinierten Modelle unterstützt die Signaturerkennung in benutzerdefinierten Vorlagen (Formularen) sowie seitenübergreifende Tabellen in Vorlagenmodellen und neuronalen Modellen. Die Signaturerkennung sucht nach einer vorhandenen Signatur, nicht nach der Identität der Person, die das Dokument signiert. Wenn das Modell unsigniert für die Signaturerkennung zurückgibt, hat das Modell keine Signatur im definierten Feld gefunden.

Benutzerdefinierte Beispielvorlage verarbeitet mit Dokument Intelligenz Studio:

Mehr erfahren: Benutzerdefiniertes Modell

Benutzerdefinierte Extraktion

Es gibt zwei Arten von Extraktionsmodellen: Benutzerdefiniertes Vorlagenmodell oder Benutzerdefiniertes neuronales Modell. Um ein benutzerdefiniertes Extraktionsmodell zu erstellen, beschriften Sie ein Dataset von Dokumenten mit den Werten, die Sie extrahieren möchten, und trainieren das Modell für das beschriftete Dataset. Zunächst benötigen Sie lediglich fünf Beispiele desselben Formular- oder Dokumenttyps.

Benutzerdefinierter Beispielauszug verarbeitet mit Dokument Intelligenz Studio:

Weitere Informationen: Benutzerdefiniertes Vorlagenmodell

Weitere Informationen: Benutzerdefiniertes neuronales Modell

Benutzerdefinierter Klassifizierer

Das benutzerdefinierte Klassifizierungsmodell ermöglicht Ihnen, den Dokumenttyp zu identifizieren, bevor Sie das Extraktionsmodell aufrufen. Das Klassifizierungsmodell ist ab der 2023-07-31 (GA) API verfügbar. Zum Trainieren eines benutzerdefinierten Klassifizierungsmodells sind mindestens zwei verschiedene Klassen und mindestens fünf Beispiele pro Klasse erforderlich.

Weitere Informationen: Benutzerdefiniertes Klassifizierungsmodell

Zusammengesetzte Modelle

Ein zusammengestelltes Modell wird erstellt, indem eine Sammlung benutzerdefinierter Modelle verwendet und zu einem einzigen Modell zusammengesetzt wird, das auf Ihren Formulartypen basiert. In einem zusammengesetzten Modell werden verschiedene benutzerdefinierten Modelle kombiniert und dann mit einer einzigen Modell-ID aufgerufen. Sie können einem einzelnen zusammengestellten Modell bis zu 200 trainierte benutzerdefinierte Modelle zuweisen.

Dialogfeld eines zusammengesetzten Modells in Dokument Intelligenz Studio:

Mehr erfahren: Benutzerdefiniertes Modell

Eingabeanforderungen

• Unterstützte Dateiformate:

  Modell	PDF	Abbildung: JPEG/JPG, PNG, BMP, TIFF, HEIF	Microsoft Office: Word (DOCX), Excel (XLSX), PowerPoint (PPTX), HTML
  Lesen Sie	✔	✔	✔
  Layout	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview, 2023-10-31-preview)
  Allgemeines Dokument	✔	✔
  Vordefiniert	✔	✔
  Benutzerdefinierte Extraktion	✔	✔
  Benutzerdefinierte Klassifizierung	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview)

• Die besten Ergebnisse erzielen Sie, wenn Sie pro Dokument ein deutliches Foto oder einen hochwertigen Scan bereitstellen.

• In den Formaten PDF und TIFF können bis zu 2,000 Seiten verarbeitet werden (bei einem kostenlosen Abonnement werden nur die ersten beiden Seiten verarbeitet).

• Die Dateigröße für die Analyse von Dokumenten beträgt 500 MB für den kostenpflichtigen Tarif (S0) und 4 MB für den kostenlosen Tarif (F0).

• Die Bildgröße muss zwischen 50 × 50 Pixel und 10.000 × 10.000 Pixel liegen.

• Wenn Ihre PDFs kennwortgeschützt sind, müssen Sie die Sperre vor dem Senden entfernen.

• Die Mindesthöhe des zu extrahierenden Texts beträgt 12 Pixel für ein Bild von 1024 × 768 Pixel. Diese Abmessung entspricht etwa einem 8-Punkttext bei 150 Punkten pro Zoll (Dots Per Inch, DPI).

• Die maximale Anzahl Seiten für Trainingsdaten beträgt beim benutzerdefinierten Modelltraining 500 für das benutzerdefinierte Vorlagenmodell und 50.000 für das benutzerdefinierte neuronale Modell.

  • Für das Training benutzerdefinierter Extraktionsmodelle beträgt die Gesamtgröße der Trainingsdaten 50 MB für das Vorlagenmodell und 1 GB für das neuronale Modell.

  • Für das Training benutzerdefinierter Klassifizierungsmodelle beträgt die Gesamtgröße der Trainingsdaten 1 GB bei maximal 10.000 Seiten. Für 2024-07-31-preview und höher beträgt die Gesamtgröße der Trainingsdaten 2 GB bei maximal 10.000 Seiten.

Hinweis

Das Tool für die Beschriftung von Beispielen unterstützt nicht das BMP-Dateiformat. Dies ist eine Einschränkung des Tools, nicht des Dokument Intelligenz-Diensts.

Versions-Migration

Informationen zur Verwendung von Dokument Intelligenz 3.0 in Ihren Anwendungen finden Sie im Migrationsleitfaden für Dokument Intelligenz 3.1.

Nächste Schritte

• Versuchen Sie, Ihre eigenen Formulare und Dokumente mithilfe von Dokument Intelligenz Studio zu verarbeiten.

• Führen Sie eine Dokument Intelligenz-Schnellstartanleitung durch, und beginnen Sie mit der Erstellung einer Anwendung zur Dokumentverarbeitung in der Entwicklungssprache Ihrer Wahl.