Modello di lettura di Document Intelligence

Importante

• Le versioni di anteprima pubblica di Document Intelligence consentono l'accesso anticipato alle funzionalità in fase di sviluppo attivo.
• Le funzionalità, gli approcci e i processi possono cambiare, prima della disponibilità generale, in base al feedback degli utenti.
• La versione di anteprima pubblica delle librerie client di Document Intelligence per impostazione predefinita è l'API REST versione 2024-02-29-preview.
• L'anteprima pubblica versione 2024-02-29-preview è attualmente disponibile solo nelle aree di Azure seguenti:
• Stati Uniti orientali
• Stati Uniti occidentali2
• Europa occidentale

Questo contenuto si applica a:v4.0 (anteprima) | Versioni precedenti:v3.1 (GA)v3.0 (GA)

Nota

Per estrarre testo da immagini esterne come etichette, segni stradali e poster, usare la funzionalità Di analisi delle immagini di Intelligenza artificiale di Azure v4.0 ottimizzata per immagini generali non documentate con un'API sincrona ottimizzata per le prestazioni che semplifica l'incorporamento di OCR negli scenari di esperienza utente.

Il modello OCR (Document Intelligence Read Optical Character Recognition) viene eseguito con una risoluzione superiore a quella di Lettura e lettura di Visione artificiale di Azure ed estrae testo stampato e scritto a mano da documenti PDF e immagini analizzate. Include anche il supporto per l'estrazione di testo da documenti Microsoft Word, Excel, PowerPoint e HTML. Rileva paragrafi, righe di testo, parole, posizioni e lingue. Il modello Read è il motore OCR sottostante per altri modelli predefiniti di Document Intelligence, ad esempio Layout, Documento generale, Fattura, Ricevuta, Identità (ID), Scheda assicurazione sanitaria, W2 oltre ai modelli personalizzati.

Che cos'è OCR per i documenti?

Il riconoscimento ottico dei caratteri (OCR) per i documenti è ottimizzato per documenti di grandi dimensioni in più formati di file e lingue globali. Include funzionalità come l'analisi con risoluzione più elevata delle immagini del documento per una migliore gestione di testo più piccolo e denso; rilevamento paragrafo; e gestione dei moduli compilabili. Le funzionalità OCR includono anche scenari avanzati come caselle a carattere singolo e estrazione accurata dei campi chiave comunemente presenti in fatture, ricevute e altri scenari predefiniti.

Opzioni di sviluppo

Document Intelligence v4.0 (2024-02-29-preview, 2023-10-31-preview) supporta gli strumenti, le applicazioni e le librerie seguenti:

Funzionalità	Risorse	Model ID
Leggere il modello OCR	• Document Intelligence Studio • API REST• C# SDK • Python SDK • Java SDK • JavaScript SDK	precompilt-read

Requisiti di input

• Per ottenere risultati ottimali, fornire una foto chiara o un'analisi di alta qualità per ogni documento.

• Formati di file supportati:

  Modello	PDF	Immagine: JPEG/JPG, PNG, BMP, TIFF, HEIF	Microsoft Office: Word (DOCX), Excel (XLSX), PowerPoint (PPTX) e HTML
  Lettura	✔	✔	✔
  Layout	✔	✔	✔ (2024-02-29-preview, 2023-10-31-preview)
  Documento generale	✔	✔
  Predefinito	✔	✔
  Estrazione personalizzata	✔	✔
  Classificazione personalizzata	✔	✔	✔ (2024-02-29-preview)

• Per PDF e TIFF, è possibile elaborare fino a 2000 pagine (con una sottoscrizione di livello gratuito, vengono elaborate solo le prime due pagine).

• Le dimensioni del file per l'analisi dei documenti sono di 500 MB per il livello a pagamento (S0) e 4 MB per il livello gratuito (F0).

• Le dimensioni dell'immagine devono essere comprese tra 50 x 50 pixel e 10.000 px x 10.000 pixel.

• Se i file PDF sono bloccati da password, è necessario rimuovere il blocco prima dell'invio.

• L'altezza minima del testo da estrarre è di 12 pixel per un'immagine da 1024 x 768 pixel. Questa dimensione corrisponde a circa 8-point text a 150 punti per pollice (DPI).

• Per il training di modelli personalizzati, il numero massimo di pagine per i dati di training è 500 per il modello di modello personalizzato e 50.000 per il modello neurale personalizzato.

  • Per il training del modello di estrazione personalizzato, le dimensioni totali dei dati di training sono di 50 MB per il modello di modello e 1G-MB per il modello neurale.

  • Per il training del modello di classificazione personalizzato, le dimensioni totali dei dati di training sono 1GB pari a un massimo di 10.000 pagine.

Introduzione al modello di lettura

Provare a estrarre testo da moduli e documenti usando Document Intelligence Studio. Sono necessari gli asset seguenti:

• Una sottoscrizione di Azure: è possibile crearne una gratuitamente.

• Istanza di Document Intelligence nel portale di Azure. Per provare il servizio, è possibile usare il piano tariffario gratuito (F0). Dopo la distribuzione della risorsa, selezionare Vai alla risorsa per ottenere la chiave e l'endpoint.

Nota

Attualmente Document Intelligence Studio non supporta i formati di file Microsoft Word, Excel, PowerPoint e HTML.

Documento di esempio elaborato con Document Intelligence Studio

1. Nella home page di Document Intelligence Studio selezionare Lettura.

2. È possibile analizzare il documento di esempio o caricare i propri file.

3. Selezionare il pulsante Esegui analisi e, se necessario, configurare le opzioni Analizza:

   

   Provare Document Intelligence Studio.

Lingue e impostazioni locali supportate

Per un elenco completo delle lingue supportate, vedere la pagina Supporto linguistico - Modelli di analisi dei documenti.

Estrazione dei dati

Nota

Microsoft Word e il file HTML sono supportati nella versione 3.1 e versioni successive. Rispetto a PDF e immagini, le funzionalità seguenti non sono supportate:

• Nessun angolo, larghezza/altezza e unità con ogni oggetto pagina.
• Per ogni oggetto rilevato, non è presente alcun poligono di delimitazione o area di delimitazione.
• L'intervallo di pagine (pages) non è supportato come parametro.
• Nessun lines oggetto.

Pagine

L'insieme pages è un elenco di pagine all'interno del documento. Ogni pagina viene rappresentata in sequenza all'interno del documento e include l'angolo di orientamento che indica se la pagina viene ruotata e la larghezza e l'altezza (dimensioni in pixel). Le unità di pagina nell'output del modello vengono calcolate come illustrato:

Formato file	Unità di pagina calcolata	Totale pagine
Immagini (JPEG/JPG, PNG, BMP, HEIF)	Ogni immagine = 1 unità di pagina	Totale immagini
PDF	Ogni pagina nel PDF = 1 unità di pagina	Totale pagine nel PDF
TIFF	Ogni immagine nell'unità di pagina TIFF = 1	Totale immagini in TIFF
Word (DOCX)	Fino a 3.000 caratteri = 1 unità di pagina, immagini incorporate o collegate non supportate	Pagine totali di un massimo di 3.000 caratteri ciascuno
Excel (XLSX)	Ogni foglio di lavoro = 1 unità di pagina, immagini incorporate o collegate non supportate	Totale fogli di lavoro
PowerPoint (PPTX)	Ogni diapositiva = 1 unità di pagina, immagini incorporate o collegate non supportate	Diapositive totali
HTML	Fino a 3.000 caratteri = 1 unità di pagina, immagini incorporate o collegate non supportate	Pagine totali di un massimo di 3.000 caratteri ciascuno

"pages": [
    {
        "pageNumber": 1,
        "angle": 0,
        "width": 915,
        "height": 1190,
        "unit": "pixel",
        "words": [],
        "lines": [],
        "spans": []
    }
]

Selezionare le pagine per l'estrazione di testo

Per documenti PDF a più pagine di grandi dimensioni, usare il pages parametro di query per indicare numeri di pagina o intervalli di pagine specifici per l'estrazione di testo.

Paragrafi

Il modello Read OCR in Document Intelligence estrae tutti i blocchi identificati di testo nell'insieme paragraphs come oggetto di primo livello in analyzeResults. Ogni voce di questa raccolta rappresenta un blocco di testo e include il testo estratto comecontent e le coordinate di delimitazione polygon . Le span informazioni puntano al frammento di testo all'interno della proprietà di primo livello content che contiene il testo completo del documento.

"paragraphs": [
    {
        "spans": [],
        "boundingRegions": [],
        "content": "While healthcare is still in the early stages of its Al journey, we are seeing pharmaceutical and other life sciences organizations making major investments in Al and related technologies.\" TOM LAWRY | National Director for Al, Health and Life Sciences | Microsoft"
    }
]

Testo, righe e parole

Il modello OCR read estrae il testo dello stile stampato e scritto a mano come lines e words. Il modello restituisce le coordinate di delimitazione polygon e confidence per le parole estratte. L'insieme styles include qualsiasi stile scritto a mano per le righe, se rilevato insieme agli intervalli che puntano al testo associato. Questa funzionalità si applica alle lingue scritte a mano supportate.

Per Microsoft Word, Excel, PowerPoint e HTML, Document Intelligence Read model v3.1 e versioni successive estrae tutto il testo incorporato così come è. I testi vengono extratati come parole e paragrafi. Le immagini incorporate non sono supportate.

"words": [
    {
        "content": "While",
        "polygon": [],
        "confidence": 0.997,
        "span": {}
    },
],
"lines": [
    {
        "content": "While healthcare is still in the early stages of its Al journey, we",
        "polygon": [],
        "spans": [],
    }
]

Stile scritto a mano per le righe di testo

La risposta include la classificazione di ogni riga di testo dello stile di scrittura manuale o meno, insieme a un punteggio di attendibilità. Per altre informazioni, vedereSupporto linguistico scritto a mano. L'esempio seguente mostra un frammento JSON di esempio.

"styles": [
{
    "confidence": 0.95,
    "spans": [
    {
        "offset": 509,
        "length": 24
    }
    "isHandwritten": true
    ]
}

Se è stata abilitata la funzionalità di componente aggiuntivo tipo di carattere/stile, si ottiene anche il risultato del tipo di carattere/stile come parte dell'oggetto styles .

Passaggi successivi

Completare un argomento di avvio rapido di Intelligence sui documenti:

• REST API
• SDK per C#
• Python SDK
• SDK per Java
• JavaScript

Esplorare l'API REST:

API Document Intelligence v4.0