Document Intelligence 名刺モデル
重要
ドキュメント インテリジェンス v4.0 (プレビュー)以降、ビジネス カード モデル (事前構築済み businessCard) は非推奨になりました。 名刺形式からデータを抽出するには、次のコマンドを使用します：
| 機能 | version | モデル ID |
|---|---|---|
| 名刺モデル | • v3.1:2023-07-31 (GA) >v3.0:2022-08-31 (GA) >v2.1 (GA) |
prebuilt-businessCard |
このコンテンツの対象:
v3.0 (GA) | 最新バージョン:
v4.0 (プレビュー)v3.1 | 以前のバージョン:
v2.1
このコンテンツの適用対象:v2.1 | 最新バージョン:v4.0 (プレビュー)
Document Intelligence の名刺モデルでは、強力な光学式文字認識 (OCR) 機能と、ディープ ラーニング モデルの組み合わせにより、名刺の画像が分析されて、データが抽出されます。 API により、印刷された名刺が分析され、名、姓、会社名、メール アドレス、電話番号などの主要な情報が抽出されて、構造化された JSON データ表現が返されます。
名刺のデータ抽出
名刺は、ビジネスやプロフェッショナルを表現するのに最適な手段です。 名刺に含まれる会社のロゴ、フォント、背景画像は、会社のブランディングの推進や、他との差別化に役立ちます。 OCR と機械学習ベースの手法を用いて名刺のスキャンを自動化することは、一般的な画像処理シナリオです。 営業やマーケティングのチームが使用する企業向けシステムには、通常、ユーザーの利便性のために、名刺データの抽出機能が組み込まれています。
"Document Intelligence Studio で処理された名刺サンプル"
"Document Intelligence サンプル ラベル付けツールで処理された名刺サンプル"
開発オプション
ドキュメント インテリジェンス v3.1:2023-07-31 (GA) では、次のツール、アプリケーション、ライブラリがサポートされます：
| 機能 | リソース | モデル ID |
|---|---|---|
| 名刺モデル | •ドキュメント インテリジェンス Studio • REST API • C# SDK • Python SDK • Java SDK • JavaScript SDK |
事前構築された名刺 |
ドキュメント インテリジェンス v3.0:2022-08-31 (GA) では、次のツール、アプリケーション、およびライブラリがサポートされます：
| 機能 | リソース | モデル ID |
|---|---|---|
| 名刺モデル | •ドキュメント インテリジェンス Studio • REST API • C# SDK • Python SDK • Java SDK • JavaScript SDK |
事前構築された名刺 |
ドキュメント インテリジェンス v2.1 (GA) では、次のツール、アプリケーション、およびライブラリがサポートされます：
| 機能 | リソース |
|---|---|
| 名刺モデル | •ドキュメント インテリジェンスラベル付けツール • REST API • クライアント ライブラリ SDK •ドキュメント インテリジェンス Docker コンテナー |
名刺のデータ抽出を試す
名刺から名前、役職、住所、電子メール、会社名などのデータを抽出する方法について説明します。 以下のリソースが必要です。
Azure サブスクリプション — 無料で作成することができます
Azure portal の Document Intelligence Studio インスタンス。 Free 価格レベル (
F0) を利用して、サービスを試用できます。 リソースがデプロイされたら、[リソースに移動] を選択してキーとエンドポイントを取得します。
Document Intelligence Studio
Note
Document Intelligence Studio は、v3.1 と v3.0 の API で使用できます。
Document Intelligence Studio のホーム ページで、[名刺] を選択します。
サンプル ドキュメントの名刺を分析したり、独自のファイルをアップロードしたりできます。
[分析の実行] ボタンを選択し、必要に応じて [分析オプション] を構成します。
![Document Intelligence Studio の [分析の実行] と [分析オプション] ボタンのスクリーンショット。](media/studio/run-analysis-analyze-options.png?view=doc-intel-4.0.0)
ドキュメント インテリジェンス サンプル ラベル付けツール
サンプル ツールのホーム ページで、[事前構築済みモデルを使用してデータを取得する] タイルを選択します。
ドロップダウン メニューから、分析する [フォームの種類] を選択します。
次のオプションを使用して、分析するファイルの URL を選択します。
[ソース] フィールドで、ドロップダウン メニューから [URL] を選択し、選択した URL を貼り付けて、[フェッチ] ボタンを選択します。
[Document Intelligence サービス エンドポイント] フィールドに、Document Intelligence サブスクリプションで取得したエンドポイントを貼り付けます。
[キー] フィールドに、Document Intelligence リソースから取得したキーを貼り付けます。
[Run analysis](解析の実行) を選択します。 Document Intelligence サンプル ラベル付けツールは、Analyze Prebuilt API を呼び出してドキュメントを分析します。
結果を表示する - 抽出されたキーと値のペア、行項目、抽出された強調表示テキスト、および検出されたテーブルを確認します。
Note
サンプル ラベル付けツールでは、BMP ファイル形式はサポートされていません。 これは、Document Intelligence サービスではなくツールの制限です。
入力の要件
最適な結果を得るには、ドキュメントごとに 1 つの鮮明な写真または高品質のスキャンを提供してください。
サポートされているファイル形式:
モデル PDF 画像:
JPEG/JPG、PNG、BMP、TIFF、HEIFMicrosoft Office:
Word (DOCX)、Excel (XLS)、PowerPoint (PPT)、HTML既読 ✔ ✔ ✔ Layout ✔ ✔ ✔ (2024-02-29-preview、2023-10-31-preview) 一般的なドキュメント ✔ ✔ 事前構築済み ✔ ✔ カスタム抽出 ✔ ✔ カスタム分類 ✔ ✔ ✔ (2024-02-29-preview) PDF および TIFF の場合、最大 2000 ページを処理できます (Free レベルのサブスクリプションでは、最初の 2 ページのみが処理されます)。
ドキュメントを分析するためのファイル サイズは、有料 (S0) レベルでは 500 MB、無料 (F0) レベルでは 4 MB です。
画像のディメンションは、50 x 50 ピクセルから 10,000 x 10,000 ピクセルの間である必要があります。
PDF がパスワードでロックされている場合は、送信前にロックを解除する必要があります。
抽出するテキストの最小の高さは、1024 x 768 ピクセルのイメージの場合は 12 ピクセルです。 このディメンションは、150 DPI (1 インチあたりのドット数) で約
8ポイントのテキストに相当します。カスタム モデル トレーニングにおけるトレーニング データの最大ページ数は、カスタム テンプレート モデルの場合は 500、カスタム ニューラル モデルの場合は 50,000 です。
カスタム抽出モデル トレーニングにおけるトレーニング データの合計サイズは、テンプレート モデルの場合は 50 MB、ニューラル モデルの場合は 1GB です。
カスタム分類モデル トレーニングの場合、トレーニング データの合計サイズは
1GBで、最大 10,000 ページです。
- サポートされているファイル形式: JPEG、PNG、PDF、TIFF
- PDF と TIFF については、最大 2,000 ページまで処理されます。 Free レベルのサブスクライバーの場合は、最初の 2 ページだけが処理されます。
- ファイル サイズは 50 MB 未満でなければならず、寸法は 50 x 50 ピクセル以上 10,000 x 10,000 ピクセル以下です。
サポートされている言語とロケール
以下を参照して、サポートされている言語の完全なリストについては、 言語サポートの ページ をご覧ください。
フィールドの抽出
| 名前 | 種類 | 説明 | 標準化された出力 |
|---|---|---|---|
| ContactNames | オブジェクトの配列 | 連絡先の名前 | |
| FirstName | String | 連絡先の名 | |
| LastName | String | 連絡先の姓 | |
| CompanyNames | 文字列の配列 | 会社名 | |
| Departments | 文字列の配列 | 連絡先の部署または組織 | |
| JobTitles | 文字列の配列 | リストされている連絡先の役職 | |
| メール | 文字列の配列 | 連絡先のメール アドレス | |
| Websites | 文字列の配列 | 会社の Web サイト | |
| アドレス | 文字列の配列 | 名刺から抽出された住所 | |
| MobilePhones | 電話番号の配列 | 名刺の携帯電話番号 | +1 xxx xxx xxxx |
| Fax | 電話番号の配列 | 名刺の FAX 電話番号 | +1 xxx xxx xxxx |
| WorkPhones | 電話番号の配列 | 名刺の勤務先電話番号 | +1 xxx xxx xxxx |
| OtherPhones | 電話番号の配列 | 名刺のその他の電話番号 | +1 xxx xxx xxxx |
抽出されるフィールド
| 名前 | 種類 | 説明 | Text |
|---|---|---|---|
| ContactNames | オブジェクトの配列 | 名刺から抽出された連絡先の名前 | [{ "FirstName": "John", "LastName": "Doe" }] |
| FirstName | string | 連絡先の名 | "John" |
| LastName | string | 連絡先の姓 | "Doe" |
| CompanyNames | 文字列の配列 | 名刺から抽出された会社名 | ["Contoso"] |
| Departments | 文字列の配列 | 連絡先の部署または組織 | ["R&D"] |
| JobTitles | 文字列の配列 | リストされている連絡先の役職 | ["Software Engineer"] |
| メール | 文字列の配列 | 名刺から抽出された連絡先のメールアドレス | ["johndoe@contoso.com"] |
| Websites | 文字列の配列 | 名刺から抽出された Web サイト | ["https://www.contoso.com"] |
| アドレス | 文字列の配列 | 名刺から抽出された住所 | ["123 Main Street, Redmond, WA 98052"] |
| MobilePhones | 電話番号の配列 | 名刺から抽出された携帯電話番号 | ["+19876543210"] |
| Fax | 電話番号の配列 | 名刺から抽出された Fax 電話番号 | ["+19876543211"] |
| WorkPhones | 電話番号の配列 | 名刺から抽出された勤務先電話番号 | ["+19876543231"] |
| OtherPhones | 電話番号の配列 | 名刺から抽出されたその他の電話番号 | ["+19876543233"] |
サポート対象のロケール
あらかじめ構築された名刺 v2.1 は、次のロケールをサポートしています。
- ja-JP
- en-au
- en-ca
- en-gb
- en-in
移行ガイドと REST API v3.1
- アプリケーションとワークフローで v3.0 バージョンを使用する方法については、Document Intelligence v3.1 移行ガイドの説明を参照してください。
次のステップ
Document Intelligence Studio を使用して独自のフォームとドキュメントの処理を試す
Document Intelligence クイックスタートを完了し、選択した開発言語でドキュメント処理アプリの作成を開始します。
Document Intelligence サンプル ラベル付けツールを使用して独自のフォームとドキュメントの処理を試す
Document Intelligence クイックスタートを完了し、選択した開発言語でドキュメント処理アプリの作成を開始します。