Gyakori kérdések

Bizony.

Az Azure AI-dokumentumintelligencia és az Azure AI Form Recognizer ugyanaz a szolgáltatás. A szolgáltatást 2023 júliusában átnevezték az Azure AI Form Recognizerről az Azure AI Document Intelligencere. A szolgáltatás ugyanazokat a képességeket és funkciókat biztosítja, mint az átnevezés előtt.

• Díjszabási változások: A díjszabás nem változik. A Cognitive Services és az Alkalmazott AI-szolgáltatások neve továbbra is használatos az Azure-számlázásban, a költségelemzésben, az árlistákban és az ár API-kban.

• Kompatibilitástörő változások: Az API-k és az ügyfélkódtárak nem változnak. A REST API-k és az SDK 2024-02-29-preview, 2023-10-31-preview és újabb verzióit document intelligenceátnevezik.

Bizony.

A Document Intelligence a következő szolgáltatásokkal integrálható:

• AI Builder-munkafolyamatok

• Azure AI Search

• Azure Functions

• Azure Logic Apps

Bizony.

A Dokumentumintelligencia mostantól egyéni generatív kinyerési modellt is tartalmaz, amely Generatív AI-t és nagy nyelvi modelleket (LLM-eket) használ a mezők dokumentumokból való kinyeréséhez. Korábban RAG (retrieveal augmented generation) mintát használt a mezők kinyeréséhez. Az új modell kiváló minőségű eredményeket biztosít egyetlen API-hívással. Dokumentumgeneratív AI-megoldással cseveghet a dokumentumaival (RAG), magával ragadó tartalmakat hozhat létre ezekből a dokumentumokból, és hozzáférhet az Adatok Azure OpenAI-szolgáltatásmodelljeihez.

• Az Azure AI-dokumentumintelligencia és az Azure OpenAI együttes használatával létrehozhat egy nagyvállalati alkalmazást, amellyel zökkenőmentesen kezelheti dokumentumait természetes nyelven. Könnyen megtalálhatja a válaszokat, értékes megállapításokat szerezhet, és új és vonzó tartalmakat hozhat létre a meglévő dokumentumokból.

• A lekéréses kiterjesztett generációs mintáról itt talál további részleteket.

Bizony.

A dokumentumintelligencia építőelemeket biztosít a szemantikai adattömbök engedélyezéséhez. A szemantikai adattömbök kulcsfontosságú lépés a lekérésesen kibővített generáció (RAG) esetében, hogy biztosítsák a környezet sűrű adattömbjeinek és a relevancia javulásának biztosítását.

• A Dokumentumintelligencia egy elrendezési modellt biztosít, amely a dokumentum vizuális felbontását biztosítja vonalak, bekezdések, szakaszok, élőfejek és élőlábakká.

• Ezután kiválaszthatja, hogy markdown formátumban szeretné lekérni az eredményeket, hogy tovább tagozza a dokumentumot a szakasz- vagy bekezdéshatárokon.

További információ: RAG a Dokumentumintelligencia szolgáltatásban

Bizony.

A Document Intelligence Studio eléréséhez aktív Azure-fiókra és előfizetésre van szüksége, amely legalább olvasói szerepkörrel rendelkezik.

A dokumentumelemzéshez és az előre összeállított modellekhez az alábbi szerepkör-követelmények szükségesek a felhasználói forgatókönyvekhez:

• Alap

  • Cognitive Services-felhasználó: Erre a szerepkörre szüksége van egy dokumentumintelligencia - vagy Azure Cognitive Services-többszolgáltatásos erőforráshoz a Document Intelligence Studio használatához.

• Felsőfokú

  • Közreműködő: Erre a szerepkörre van szüksége egy erőforráscsoport vagy egy dokumentumintelligencia-erőforrás létrehozásához.

Egyéni modellprojektek esetében a felhasználói forgatókönyvek szerepkörkövetelményei a következők:

• Alap

  • Cognitive Services-felhasználó: Szüksége van erre a szerepkörre egy dokumentumintelligencia - vagy Cognitive Services-többszolgáltatásos erőforráshoz egy egyéni modell betanítása vagy betanított modellekkel való elemzéshez.

  • Storage Blob-adatszolgáltató: Erre a szerepkörre szüksége van egy tárfiókhoz projekt- és címkeadatok létrehozásához.

• Felsőfokú

  • Tárfiók közreműködője: Szüksége van erre a szerepkörre a tárfiókhoz a forrásközi erőforrás-megosztási (CORS) beállítások beállításához. Ez egyszeri munka, ha ugyanazt a tárfiókot használja újra.

  • Közreműködő: Erőforráscsoport és erőforrások létrehozásához szüksége van erre a szerepkörre. A közreműködői vagy tárfiók-közreműködői szerepkör nem biztosít hozzáférést a dokumentumintelligencia-erőforrás vagy tárfiók használatához, ha a helyi (kulcsalapú) hitelesítés le van tiltva. A Document Intelligence Studio funkcióinak használatához továbbra is szüksége van az alapvető szerepkörökre (Cognitive Services felhasználói és tárolási adatblob-közreműködő).

További információkért tekintse meg a Microsoft Entra beépített szerepköreit és az Azure-szerepkör-hozzárendelésekkel kapcsolatos szakaszokat a Document Intelligence Studio rövid útmutatójában.

Igen, fizetős szintű erőforrások esetén.

Nem, az ingyenes szintű erőforrásokhoz.

• Az ingyenes szintű (F0) erőforrások esetében a rendszer csak az első két oldalt elemzi, függetlenül attól, hogy a Document Intelligence Studiót, a REST API-t vagy az ügyfélkódtárakat használja.

• Ha egy dokumentum összes lapját szeretné elemezni, váltson fizetős (S0) erőforrásra. A Document Intelligence Studióban válassza a Beállítások (fogaskerék) gombot, válassza az Erőforrások lapot, és ellenőrizze a dokumentumok elemzéséhez használni kívánt árszintet.

Bizony.

• Ha módosítani szeretne egy könyvtárat a Document Intelligence Studióban, válassza a Beállítások (fogaskerék) gombot. A Címtár területen válassza ki a címtárat a listából, majd válassza a Címtár váltása lehetőséget. A címtár váltása után jelentkezzen be újra.

• Előfizetés vagy erőforrás módosításához nyissa meg az Erőforrás lapot a Beállítások területen.

Bizony.

Ha a Dokumentumintelligencia-erőforrás tűzfallal vagy virtuális hálózattal van konfigurálva, hozzá kell adnia a 20.3.165.95 dedikált IP-címet a dokumentumintelligencia-erőforrás tűzfalengedélyezési listájához. Az egyéni projektek egyes függvényei (például az automatikus címke, a projektkezelés és az ember a hurokban) nem működnek, ha a nyilvános hálózati hozzáférés le van tiltva.

Bizony.

Ha az Azure Blob Storage URL-címe SAS-jogkivonatot tartalmaz, és nyilvános hálózatokról érhető el. Nem használhatja a Fetch függvényt olyan tárfiókokhoz, ahol a kulcshozzáférés le van tiltva, vagy tűzfal/virtuális hálózat mögött.

Bizony.

A Document Intelligence Studio címkézési felülete nyílt forráskód az Eszközkészlet adattárában.

Bizony.

A Document Intelligence Studio különálló URL-végpontokkal rendelkezik a szuverén felhőrégiókhoz:

• Az Azure US Government felhő url-címe (Azure Fairfax): Document Intelligence Studio US Government.

• A 21Vianet (Azure China) által üzemeltetett Microsoft Azure URL-cím: Document Intelligence Studio China.

Bizony.

A Document Intelligence a legújabb fejlesztési lehetőségeket kínálja a következő platformokon:

• [REST API](/rest/api/aiservices/document-models/analyze-document?view=rest-aiservices-2023-07-31 &preserve-view=true&tabs=HTTP)

• Document Intelligence Studio

• C#/.NET

• Java

• JavaScript/TypeScript

• Python

Bizony.

Az alábbi táblázat a Dokumentumintelligencia legújabb verziójára való migrálás részletes utasításaira mutató hivatkozásokat tartalmaz:

Bizony.

Használja a pages paramétert (a REST API 2.1-es, 3.0-s és újabb verzióiban támogatott), és adja meg a többoldalas PDF- és TIFF-dokumentumok lapjait. Az elfogadott bemenet a következő tartományokat tartalmazza:

• Egyoldalas. Ha például megadja 1, 2, az 1. és a 2. oldal feldolgozása történik.
• Véges tartományok. Ha például megadja 2-5, a 2–5. oldal feldolgozása történik.
• Nyitott végű tartományok. Ha például megadja 5-, az 5. oldal összes lapja feldolgozásra kerül. Ha megadja -10, az 1–10. oldal feldolgozása történik.

Ezeket a paramétereket kombinálhatja, és a tartományok átfedésben lehetnek. Ha például megadja -5, 1, 3, 5-10, az 1–10. oldal feldolgozása történik.

A szolgáltatás elfogadja a kérést, ha a dokumentum legalább egy oldalát feldolgozhatja. Egy ötoldalas dokumentum használata 5-100 például érvényes bemenet, ami azt jelenti, hogy az 5. oldal feldolgozása folyamatban van.

Ha nem ad meg oldaltartományt, a teljes dokumentum feldolgozásra kerül.

Bizony.

Az idő nagy részében a Document Intelligence Studiót javasoljuk, mert csökkentheti a Dokumentumintelligencia-erőforrások és -tárolási szolgáltatások konfigurálásának idejét.

Csak az űrlaptesztelő eszközt (FOTT) érdemes használni a következő forgatókönyvekhez:

• Az adatoknak egyetlen gépen belül kell maradniuk. Használja az FOTT-mintacímkéző eszközt és egy dokumentumintelligencia-tárolót.

• A projekt nagymértékben függ a Document Intelligence V2.1-hez, és továbbra is a v2.1 API-kat szeretné használni.

Bizony.

A Dokumentumintelligencia automatikus skálázással biztosítja a szükséges számítási erőforrásokat igény szerint, miközben az ügyfelek költségei alacsonyak maradnak. Az automatikus skálázás során a szabályozás csökkentése érdekében a következő megközelítést javasoljuk:

• Implementáljon újrapróbálkozási logikát az alkalmazásba.

• Ha úgy találja, hogy szabályozva van a kérelmek száma POST , érdemes lehet késleltetni a kérések között.

• Fokozatosan növelje a munkaterhelést. Kerülje az éles változásokat.

• Hozzon létre egy támogatási kérést a másodpercenkénti tranzakciók (TPS) korlátjának növeléséhez.

További információ a Document Intelligence szolgáltatás kvótáiról és korlátairól.

Bizony.

A dokumentumok vizuális szerkezetének varianciái befolyásolhatják a modell pontosságát. Íme néhány tipp:

• A betanítási adathalmazba belefoglalja a dokumentum összes változatát. A változatok különböző formátumokat tartalmaznak; például a digitális és a beolvasott PDF-fájlok esetében.

• Különítse el a vizuálisan eltérő dokumentumtípusokat, és tanítsa be a különböző modelleket.

• Győződjön meg arról, hogy nincsenek felesleges címkéi.

• Aláírás- és régiócímkékhez ne adja meg a környező szöveget.

További információ: Pontossági és megbízhatósági pontszámok.

Nem.

• A Dokumentumintelligencia nem rendelkezik explicit újratanítási művelettel. Minden betanítási művelet létrehoz egy új modellt.

• Ha úgy találja, hogy a modellnek újra kell tanítania, további mintákat adhat hozzá a betanítási adatkészlethez, és betanítást végezhet egy új modellen.

• Létrehozhat egy új modellt is az eredeti modellhez az alábbiak szerint:

  1. Hozzon létre egy adatkészletet az új sablonhoz.

  2. Új modell címkézése és betanítása.

  3. Ellenőrizze, hogy az új modell megfelelően működik-e az adott dokumentumtípusokhoz.

  4. Írja össze az új modellt a meglévő modellel egyetlen végpontba. A dokumentumintelligencia ezután meghatározhatja az elemezni kívánt dokumentumok legjobb modelljét.

  További információkért tekintse meg a komponált modelleket.

Bizony.

A Copy API használatával egyéni modelleket másolhat egy Dokumentumintelligencia-fiókból másba, amelyek bármely támogatott földrajzi régióban léteznek. Részletes útmutatásért lásd a vészhelyreállítást.

A másolási művelet a modellek másolására korlátozódik azon a felhőkörnyezeten belül, ahol a modellt betanította. Például a modellek másolása a nyilvános felhőből az Azure Government-felhőbe nem támogatott.

Bizony.

A betanítás ingyenes minden egyéni generatív és egyéni sablonmodellhez. Az összes modell betanítási adatkészletének létrehozásához azonban az Elrendezés modellt kell futtatni a betanítási dokumentumokon. A költségekért az ügyfelek felelősek.

Az egyéni generatív modellek az automatikus címkézési funkcióra is támaszkodnak a címkézett adathalmaz létrehozásának felgyorsítása érdekében. Ennek a műveletnek van egy költsége. Bár a sablon- és generatív modellek buildelési művelete ingyenes, a címkézett adathalmaz létrehozása minimális költségekkel járhat.

Az v4.0 2024-07-31-previewegyéni neurális modellek legfeljebb 10 órán keresztül ingyenesen taníthatók be. Akár egyetlen modellt tanít be a 10 órára, akár több modellt tanít be összesen 10 órára, az első 10 órában nem kell fizetnie. Az ingyenes 10 óra használata után automatikusan megterheli a plusz betanítási óra. Az árakkal kapcsolatos részletekért tekintse meg a díjszabási oldalt. Ez az új fizetős betanítási funkció hosszabb ideig teszi lehetővé a betanítási modellek számára a nagyobb dokumentumok feldolgozását. A fizetős betanítási funkcióval kapcsolatos további információkért tekintse meg az egyéni neurális modell számlázási szakaszát.

v3.1 2023-07-31Az v3.0 2022-08-31 egyéni neurális modelleket legfeljebb 20 edzésen taníthatja be ingyenesen, és minden egyes munkamenet 30 perces betanítási időtartammal van leképezve. Ha mind a 20 képzési munkamenetet kihasználja, beküldhet Azure-támogatás jegyet a betanítási munkamenet korlátjának növeléséhez. A korlát növeléséhez a két képzés egy képzési óra, és két munkamenet/egy képzési óra után számítunk fel díjat. Az árakkal kapcsolatos részletekért tekintse meg a [díjszabási oldalt]. A korlát növelésének módjáról további információt az egyéni neurális modell számlázási szakaszában talál. v3.1A v3.0 fizetős betanítási funkció nem érhető el. Az egyéni neurális modell fizetős betanítási funkciója csak a következőn v4.0érhető el: .

Bizony.

Közös hozzáférésű jogosultságkód (SAS) létrehozásakor az alapértelmezett időtartam 48 óra. 48 óra elteltével létre kell hoznia egy új jogkivonatot.

Érdemes lehet hosszabb időtartamot beállítani arra az időre, amíg a tárfiókot a Dokumentumintelligencia szolgáltatással használja.

Nem, nem közvetlenül.

A dokumentumintelligencia nem fér hozzá a tárfiókhoz, ha virtuális hálózat vagy tűzfal védi.

A privát Azure Storage-fiókok hozzáférése és hitelesítése azonban támogatja az Azure-erőforrások felügyelt identitását. Felügyelt identitás használata esetén a Dokumentumintelligencia-szolgáltatás egy hozzárendelt hitelesítő adatokkal férhet hozzá a tárfiókhoz.

Ha az FOTT használatával szeretné elemezni a privát tárfiók adatait, telepítenie kell az eszközt a virtuális hálózat vagy tűzfal mögött.

Megtudhatja, hogyan hozhat létre és használhat felügyelt identitást a Dokumentumintelligencia-erőforráshoz.

Bizony.

Bár a modell képességei azonosak a csatlakoztatott és a leválasztott tárolók esetében, a számlázási és a csatlakozási módszerek eltérőek:

• A csatlakoztatott tárolók egy Dokumentumintelligencia-erőforrás használatával küldenek számlázási adatokat az Azure-nak az Azure-fiókban. Csatlakoztatott tárolók esetén internetkapcsolat szükséges a számlázási adatok Azure-ba való küldéséhez. A Dokumentumintelligencia-összekapcsolt tárolók számlázási adatokat küldenek az Azure-nak egy Dokumentumintelligencia-erőforrás használatával az Azure-fiókban. A csatlakoztatott tárolók nem küldenek ügyféladatokat, például az elemezni kívánt képet vagy szöveget a Microsoftnak. A csatlakoztatott tárolók által a Microsoftnak számlázás céljából küldött információkra példaként tekintse meg az Azure AI-tárolóval kapcsolatos gyakori kérdéseket.

• A leválasztott tárolók lehetővé teszik az internetről leválasztott API-k használatát. A számlázási adatokat a rendszer nem küldi el az interneten keresztül. A díjak ehelyett egy megvásárolt kötelezettségvállalási szinten alapulnak. A leválasztott tárolóhasználat jelenleg a Document Intelligence egyéni és számlamodelljeihez érhető el.

Bizony.

Az FOTT egy helyi tárolót használó verzióval rendelkezik. A verziót windowsos gépen kell telepíteni. Innen telepítheti.

A projektlapon adja meg a címkemappa URI-ját /shared vagy /shared/sub-dir formátumban, ha a címkéző fájlok alkönyvtárban találhatók. Minden más dokumentumintelligencia-mintacímkéző eszköz viselkedése megegyezik az üzemeltetett szolgáltatással.

Bizony.

Aszinkron hívások esetén több tárolót is futtathat megosztott tárterülettel. Az elemzési POST hívást feldolgozó tároló tárolja a kimenetet a tárolóban. Ezután bármely más tároló lekérheti az eredményeket a tárolóból, és kiszolgálhatja a GET hívásokat. A kérelem azonosítója nincs tárolóhoz kötve.

Szinkron hívások esetén több tárolót is futtathat, de csak egy tároló szolgál ki egy kérést. Mivel ez egy blokkoló hívás, a készlet bármely tárolója kiszolgálhatja a kérést, és elküldheti a választ. Itt egyszerre csak egy tároló van egy kérelemhez kötve, és nincs szükség lekérdezésre.

Bizony.

A tárolók a tulajdonságot használják a Mounts: Shared megosztott tároló megadásához a feldolgozási fájlok tárolásához. A tulajdonság használatának megtekintéséhez tekintse meg a tárolók dokumentációját.

Igen, röviden.

Minden funkció esetében a Document Intelligence ideiglenesen tárolja az adatokat és az eredményeket az Azure Storage-ban, ugyanabban a régióban, mint a kérés. Az adatok ezután az elemzési kérelem elküldése után 24 órán belül törlődnek.

További információ a dokumentumintelligencia adatairól, adatvédeleméről és biztonságáról.

Betanított egyéni modellek esetén az elemzést és címkézést követő köztes kimenetek ugyanabban az Azure Storage-helyen vannak tárolva, ahol a betanítási adatokat tárolja. A betanított egyéni modellek ugyanabban a régióban vannak tárolva az Azure Storage-ban, és logikailag el vannak különítve az Azure-előfizetéssel és az API-hitelesítő adatokkal.

Bizony.

A Microsoft Q&A a microsoftos technikai kérdések és válaszok otthona. Szűrheti a dokumentumintelligencia-specifikus lekérdezéseket.

Bizony.

Folyamatosan frissítjük és fejlesztjük a dokumentumintelligencia-modelleket. E-mailben elküldheti a dokumentumintelligencia-csapatnak. Ha lehetséges, ossza meg a mintadokumentumot a kiemelt problémával.