OCR para imágenes (versión 4.0)
Nota:
Si desea extraer texto de documentos PDF, archivos de Office o documentos HTML e imágenes de documentos, use el modelo OCR de lectura inteligente de documentos. Está optimizado para documentos digitales y escaneados con gran cantidad de texto y usa una API asincrónica que facilita el procesamiento inteligente de documentos.
OCR es 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. El servicio OCR de Visión de Azure AI proporciona una API rápida y sincrónica para escenarios ligeros en los que las imágenes no tienen mucho texto. 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 OCR de lectura de Visión de Azure AI v4.0?
La nueva API de REST 4.0 de análisis de imágenes de Visión de Azure AI 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
También puede usar la característica OCR junto con el servicio Azure OpenAI. El modelo GPT-4 Turbo con Vision le permite chatear con un asistente de IA que pueda analizar las imágenes que comparte, y la opción de mejora de la visión usa Análisis de imágenes para proporcionar al asistente de 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.