OCR para imágenes (versión 4.0)
Nota:
Para extraer texto de documentos PDF, Office y HTML, así como imágenes de documentos, use el modelo de OCR de lectura de Inteligencia de documentos optimizado para documentos digitales y escaneados con gran cantidad de texto mediante una API asincrónica que facilita la potencia de los escenarios de procesamiento inteligente de documentos.
OCR empezó tradicionalmente como una técnica basada en aprendizaje automático para extraer texto de imágenes en formato salvaje que no es de documentos, como etiquetas de producto, imágenes generadas por el usuario, capturas de pantalla, señales de tráfico y pósteres. En algunos casos, como el de las imágenes únicas que no contienen mucha cantidad texto, se necesita una API o un servicio rápido y síncrono. De esta manera se permite insertar OCR en experiencias de usuario casi en tiempo real para enriquecer la comprensión del contenido y el seguimiento de las acciones del usuario con tiempos de respuesta rápidos.
¿Qué es Computer Vision v4.0 Read OCR?
La nueva API de REST 4.0 de análisis de imágenes de Computer Vision ofrece la capacidad de extraer texto impreso o manuscrito de imágenes en una API sincrónica unificada con rendimiento mejorado que facilita la obtención de toda la información de las imágenes, incluidos los resultados de OCR de una sola operación de API. El motor OCR de lectura se basa en varios modelos de aprendizaje profundo compatibles con modelos basados en scripts universales para la compatibilidad con lenguajes globales.
Sugerencia
Puede usar la característica OCR a través del servicio Azure OpenAI. El modelo GPT-4 Turbo with Vision le permite chatear con un asistente de IA que pueda analizar las imágenes que comparte y la opción Mejora de la visión usa Análisis de imágenes para proporcionar a la inteligencia artificial más detalles (texto legible y ubicaciones de objetos) sobre la imagen. Para obtener más información, consulte el Inicio rápido de GPT-4 Turbo with Vision.
Ejemplo de extracción de texto
En la siguiente respuesta JSON, se ilustra lo que devuelve la API de análisis de imágenes 4.0 cuando se extrae texto de la imagen dada.
{
"modelVersion": "2024-02-01",
"metadata":
{
"width": 1000,
"height": 945
},
"readResult":
{
"blocks":
[
{
"lines":
[
{
"text": "You must be the change you",
"boundingPolygon":
[
{"x":251,"y":265},
{"x":673,"y":260},
{"x":674,"y":308},
{"x":252,"y":318}
],
"words":
[
{"text":"You","boundingPolygon":[{"x":252,"y":267},{"x":307,"y":265},{"x":307,"y":318},{"x":253,"y":318}],"confidence":0.996},
{"text":"must","boundingPolygon":[{"x":318,"y":264},{"x":386,"y":263},{"x":387,"y":316},{"x":319,"y":318}],"confidence":0.99},
{"text":"be","boundingPolygon":[{"x":396,"y":262},{"x":432,"y":262},{"x":432,"y":315},{"x":396,"y":316}],"confidence":0.891},
{"text":"the","boundingPolygon":[{"x":441,"y":262},{"x":503,"y":261},{"x":503,"y":312},{"x":442,"y":314}],"confidence":0.994},
{"text":"change","boundingPolygon":[{"x":513,"y":261},{"x":613,"y":262},{"x":613,"y":306},{"x":513,"y":311}],"confidence":0.99},
{"text":"you","boundingPolygon":[{"x":623,"y":262},{"x":673,"y":263},{"x":673,"y":302},{"x":622,"y":305}],"confidence":0.994}
]
},
{
"text": "wish to see in the world !",
"boundingPolygon":
[
{"x":325,"y":338},
{"x":695,"y":328},
{"x":696,"y":370},
{"x":325,"y":381}
],
"words":
[
{"text":"wish","boundingPolygon":[{"x":325,"y":339},{"x":390,"y":337},{"x":391,"y":380},{"x":326,"y":381}],"confidence":0.992},
{"text":"to","boundingPolygon":[{"x":406,"y":337},{"x":443,"y":335},{"x":443,"y":379},{"x":407,"y":380}],"confidence":0.995},
{"text":"see","boundingPolygon":[{"x":451,"y":335},{"x":494,"y":334},{"x":494,"y":377},{"x":452,"y":379}],"confidence":0.996},
{"text":"in","boundingPolygon":[{"x":502,"y":333},{"x":533,"y":332},{"x":534,"y":376},{"x":503,"y":377}],"confidence":0.996},
{"text":"the","boundingPolygon":[{"x":542,"y":332},{"x":590,"y":331},{"x":590,"y":375},{"x":542,"y":376}],"confidence":0.995},
{"text":"world","boundingPolygon":[{"x":599,"y":331},{"x":664,"y":329},{"x":664,"y":372},{"x":599,"y":374}],"confidence":0.995},
{"text":"!","boundingPolygon":[{"x":672,"y":329},{"x":694,"y":328},{"x":694,"y":371},{"x":672,"y":372}],"confidence":0.957}
]
},
{
"text": "Everything has its beauty , but",
"boundingPolygon":
[
{"x":254,"y":439},
{"x":644,"y":433},
{"x":645,"y":484},
{"x":255,"y":488}
],
"words":
[
{"text":"Everything","boundingPolygon":[{"x":254,"y":442},{"x":379,"y":440},{"x":380,"y":486},{"x":257,"y":488}],"confidence":0.97},
{"text":"has","boundingPolygon":[{"x":388,"y":440},{"x":435,"y":438},{"x":436,"y":485},{"x":389,"y":486}],"confidence":0.965},
{"text":"its","boundingPolygon":[{"x":445,"y":438},{"x":485,"y":437},{"x":486,"y":485},{"x":446,"y":485}],"confidence":0.99},
{"text":"beauty","boundingPolygon":[{"x":495,"y":437},{"x":567,"y":435},{"x":568,"y":485},{"x":496,"y":485}],"confidence":0.685},
{"text":",","boundingPolygon":[{"x":577,"y":435},{"x":583,"y":435},{"x":583,"y":485},{"x":577,"y":485}],"confidence":0.939},
{"text":"but","boundingPolygon":[{"x":589,"y":435},{"x":644,"y":434},{"x":644,"y":485},{"x":589,"y":485}],"confidence":0.628}
]
},
{
"text": "not everyone sees it !",
"boundingPolygon":
[
{"x":363,"y":508},
{"x":658,"y":493},
{"x":659,"y":539},
{"x":364,"y":552}
],
"words":
[
{"text":"not","boundingPolygon":[{"x":363,"y":510},{"x":412,"y":508},{"x":413,"y":548},{"x":365,"y":552}],"confidence":0.989},
{"text":"everyone","boundingPolygon":[{"x":420,"y":507},{"x":521,"y":501},{"x":522,"y":542},{"x":421,"y":548}],"confidence":0.924},
{"text":"sees","boundingPolygon":[{"x":536,"y":501},{"x":588,"y":498},{"x":589,"y":540},{"x":537,"y":542}],"confidence":0.987},
{"text":"it","boundingPolygon":[{"x":597,"y":497},{"x":627,"y":495},{"x":628,"y":540},{"x":598,"y":540}],"confidence":0.995},
{"text":"!","boundingPolygon":[{"x":635,"y":495},{"x":656,"y":494},{"x":657,"y":540},{"x":636,"y":540}],"confidence":0.952}
]
}
]
}
]
}
}
Uso de la API
La característica de extracción de texto forma parte de la API de análisis de imágenes. Incluya Read en el parámetro de consulta característica. Después, cuando obtenga la respuesta JSON completa, analice la cadena con el contenido de la sección "readResult".
Pasos siguientes
Siga el inicio rápido de análisis de imágenes para extraer texto de una imagen mediante la API de análisis de imágenes 4.0.