Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Azure Content Understanding in Foundry Tools to narzędzie Foundry Tool które jest dostępne w ramach zasobu Microsoft Foundry Resource w portalu Azure. Używa generatywnej sztucznej inteligencji do przetwarzania i pozyskiwania wielu typów zawartości, w tym dokumentów, obrazów, wideo i dźwięku, do formatu wyjściowego zdefiniowanego przez użytkownika. Usługa Content Understanding oferuje usprawniony proces rozumowania dla dużych ilości nieustrukturyzowanych danych, przyspieszając osiąganie wartości poprzez tworzenie wyników, które można zintegrować z procesami automatyzacji i analizy.
Dlaczego warto używać usługi Content Understanding?
Zrozumienie zawartości przyspiesza osiągnięcie wartości poprzez umożliwienie bezpośredniego przetwarzania danych niestrukturalnych z wynikami pewności, minimalizując potrzebę ręcznego przeglądu i obniżając koszty operacyjne. Najważniejsze korzyści obejmują:
Upraszczanie i usprawnianie przepływów pracy. Usługa Content Understanding standandaryzuje wyodrębnianie i klasyfikację zawartości, struktury i szczegółowych informacji z różnych typów zawartości w ujednolicony proces.
Upraszczanie wyodrębniania pól. Wyodrębnianie pól w usłudze Content Understanding ułatwia generowanie ustrukturyzowanych danych wyjściowych z zawartości bez struktury. Zdefiniuj schemat umożliwiający wyodrębnianie, klasyfikowanie lub generowanie wartości pól bez złożonej inżynierii monitów.
Zwiększ dokładność. Usługa Content Understanding wykorzystuje wiele modeli sztucznej inteligencji do jednoczesnego analizowania i krzyżowego weryfikowania informacji, co zapewnia dokładniejsze i niezawodne wyniki.
Współczynniki ufności i podstawy. Analiza zawartości zapewnia dokładność wyodrębnionych wartości przy jednoczesnym zminimalizowaniu kosztów przeglądu przez człowieka.
Klasyfikowanie typów zawartości. Usługa Content Understanding umożliwia klasyfikowanie typów dokumentów w celu usprawnienia przetwarzania zawartości. Ta funkcja jest teraz dostępna w ujednoliconym podejściu w interfejsie API analizy.
Gotowe analizatory branżowe Usługa Content Understanding obejmuje wstępnie utworzone analizatory przeznaczone dla scenariuszy specyficznych dla branży, w tym przygotowanie podatkowe, przetwarzanie dokumentów zamówień, analizę kontraktu, analizę centrum telefonicznego, analizę multimediów i wiele innych.
Opis przypadków użycia usługi Content Understanding
Inteligentne przetwarzanie dokumentów (IDP) Usługa Content Understanding umożliwia inteligentne przetwarzanie dokumentów przez konwertowanie dokumentów bez struktury na dane ustrukturyzowane z wysoką dokładnością. Współczynniki ufności i możliwości uziemienia zapewniają jakość danych przy jednoczesnym zminimalizowaniu ręcznego przeglądu i zmniejszeniu kosztów operacyjnych. Na przykład automatyzowanie przetwarzania faktur, analizy kontraktów i zarządzania oświadczeniami przez wyodrębnianie i weryfikowanie pól ze złożonych dokumentów.
Aplikacje agentów. Usługa Content Understanding zamienia chaotyczne dane wejściowe plików z wieloma modalnościami na przewidywalne, ustandaryzowane dane wejściowe. Zapewnia czyste reprezentacje markdown dla przetwarzania i zarządzania wiedzą, zapewniając przejrzystość i kontekst dla późniejszych zadań. Gdy wymagane są dane ustrukturyzowane, udostępniają schematycznie powiązane pola par klucz-wartość z wskaźnikami wiarygodności i podstawą, co umożliwia agentom automatyzację decyzji z dokładnością i możliwością audytu.
Generacja wspomagana wyszukiwaniem (RAG). Usługa Content Understanding umożliwia przetwarzanie zawartości dowolnej modalności treści w indeksie wyszukiwania z rozbudowaną obsługą opisu i analizy figur, aby ułatwić dostęp do danych. Usługa Content Understanding oferuje wiele wbudowanych analizatorów, które są dostosowane, aby zapewniać najlepsze dane wyjściowe dla scenariuszy wyszukiwania RAG.
Automatyzacja procesów robotycznych (RPA). Usługa Content Understanding bezproblemowo integruje się z przepływami pracy RPA, zapewniając dane ustrukturyzowane wyodrębnione z różnych typów zawartości. Ta funkcja umożliwia automatyzację procesów biznesowych od początku do końca, które wymagają rozumienia treści, takich jak przetwarzanie zamówień, wdrażanie klientów oraz przepływy pracy związane z zgodnością z przepisami.
Analiza i raportowanie: wyodrębnione dane wyjściowe pól w usłudze Content Understanding zwiększają analizę i raportowanie, umożliwiając firmom uzyskiwanie cennych szczegółowych informacji, przeprowadzanie dokładniejszej analizy i podejmowanie świadomych decyzji na podstawie dokładnych raportów.
Optymalizowanie przepływu pracy za pomocą klasyfikacji: funkcja klasyfikacji usługi Content Understanding umożliwia najpierw kategoryzowanie dokumentów przed kierowaniem ich do skojarzonego analizatora na potrzeby wyodrębniania.
Aplikacje specyficzne dla branży
Oto niektóre typowe aplikacje branżowe dla usługi Content Understanding:
| Aplikacja | Opis |
|---|---|
| Automatyzacja podatkowa | Firmy zajmujące się przygotowywaniem podatków mogą używać usługi Content Understanding do generowania ujednoliconego widoku informacji z różnych dokumentów i tworzenia kompleksowych zeznań podatkowych. |
| Przetwarzanie wniosków hipotecznych | Przeanalizuj dodatkową dokumentację pomocniczą i wnioski o kredyt hipoteczny, aby ustalić, czy potencjalny nabywca domu dostarczył całą niezbędną dokumentację do zabezpieczenia kredytu hipotecznego. |
| Weryfikacja umowy dotyczącej faktury | Uważnie przejrzyj faktury i umowy umowne z klientami. Zastosuj wieloetapowy proces rozumowania, aby przeanalizować dane. Upewnij się, że wnioski, takie jak sprawdzenie spójności między fakturą a umową, są dokładne i kompletne. |
| Generacja rozszerzona za pomocą pozyskiwania danych (RAG) | Organizacje mogą ulepszyć swoje przepływy pracy RAG, wyodrębniając kompleksowe informacje z dokumentów, które w przeciwnym razie zostaną pominięte. Opisy rysunków przechwytują informacje z wykresów, diagramów i wizualizacji, dzięki czemu można je przeszukiwać. Analiza układu zachowuje strukturę dokumentów, w tym tabele, sekcje i hierarchie. Wykrywanie adnotacji wychwytuje notatki odręczne, podkreślenia i przekreślenia. |
| Analiza po wywołaniu | Firmy i centra telefoniczne mogą generować szczegółowe informacje na podstawie nagrań połączeń w celu śledzenia kluczowych wskaźników wydajności (KPI), ulepszania środowiska produktu, generowania szczegółowych informacji biznesowych, tworzenia zróżnicowanych środowisk klientów i szybszego i dokładniejszego odpowiadania na zapytania. |
| Zarządzanie zasobami multimedialnymi | Dostawcy oprogramowania i multimediów mogą używać usługi Content Understanding do wyodrębniania bogatszych, ukierunkowanych informacji z filmów wideo na potrzeby rozwiązań do zarządzania zasobami multimedialnymi. |
| Rozszerzona obsługa klienta | Firmy z kanałami pomocy technicznej mogą używać usługi Content Understanding dla wyszukiwania RAG, aby zwiększyć jakość odpowiedzi na podstawie danych z poprzednich problemów klientów i opinii. |
Funkcje usługi Content Understanding według wersji
Użyj wersji 2025-11-01 interfejsu API (GA) dla obciążeń produkcyjnych i użyj wersji 2026-06-01-preview interfejsu API, aby ocenić nowe możliwości ogłoszone na fali Kompilacja 2026.
| Obszar możliwości |
2025-11-01 (ogólna dostępność) |
2026-06-01-preview |
|---|---|---|
| Gotowość produkcyjna | Zalecane do użytku produkcyjnego. | Publiczna wersja zapoznawcza na potrzeby wczesnego testowania dostępu i oceny. |
| Wyodrębnianie wielomodalne rdzeni | Stabilna obsługa przepływów pracy wyodrębniania dokumentów, obrazów, audio i wideo. | Obejmuje funkcje GA oraz ulepszenia wersji zapoznawczej. |
| Opis dokumentu agenta | Niedostępne. | Dostępne za pośrednictwem trybu agenta ze złożonych powodów dotyczących dowodów dokumentów. |
| Ulepszenia klasyfikacji | Standardowa klasyfikacja i segmentacja dokumentów. | Dodaje bogatsze sygnały klasyfikacji i segmentację na stronie. |
| Dodatki analizy dokumentów | Istniejące zachowanie wyodrębniania i układu. | Dodaje funkcje w wersji zapoznawczej, takie jak wykrywanie podpisów i wyodrębnianie metadanych dokumentu. |
| Zachowanie trenowania analizatora niestandardowego | Obsługuje przykłady szkoleń oznaczonych etykietami. | Obsługuje trenowanie oznaczone etykietami i poprawia zachowanie trenowania przez destylowanie wzorców w wbudowanym analizatorze w celu zwiększenia prywatności i wydajności. Zobacz jak ulepszyć uczenie analizatora. |
| Elastyczność modelu generowania | Obsługuje kombinacje modeli ga dla scenariuszy analizatora. | Rozszerza i iteruje obsługę modelu zgodną z aktualizacjami kompilacji 2026. Zobacz wdrożenia modelu. |
Aby uzyskać informacje o zmianach wersji po wydaniu, zobacz Co nowego w usłudze Content Understanding.
Kluczowe składniki usługi Content Understanding
Struktura Content Understanding przetwarza zawartość nieustrukturyzowaną przez wiele etapów, przekształcając dane wejściowe w ustrukturyzowane, możliwe do działania dane wyjściowe. W poniższej tabeli opisano każdy składnik od lewej do prawej, jak pokazano na diagramie:
| Składnik | Opis |
|---|---|
| Wejścia | Zawartość źródłowa przetwarzana przez usługę Content Understanding. Obsługuje wiele modalności, w tym dokumenty, obrazy, wideo i dźwięk. Dowiedz się więcej o typach plików wejściowych. |
| Analizator | Podstawowy składnik, który definiuje sposób przetwarzania zawartości. Konfiguruje ustawienia wyodrębniania zawartości, schemat wyodrębniania pól i wdrożenia modelu. Po skonfigurowaniu analizator konsekwentnie stosuje te ustawienia do wszystkich danych przychodzących. Usługa Content Understanding oferuje wstępnie utworzone analizatory dla typowych scenariuszy i obsługuje analizatory niestandardowe dostosowane do Twoich potrzeb. Dowiedz się więcej o analizatorach, wstępnie utworzonych analizatorach i analizatorach niestandardowych. |
| Wyodrębnianie zawartości | Przekształca dane wejściowe bez struktury na znormalizowany, ustrukturyzowany tekst i metadane. Wyodrębnia tekst przy użyciu optycznego rozpoznawania znaków (OCR), identyfikuje znaczniki wyboru i kody kreskowe, wykrywa formuły i rozpoznaje elementy układu, takie jak akapity, sekcje i tabele. W przypadku audio i wideo transkrybuje mowę i identyfikuje kluczowe elementy wizualne. Dowiedz się więcej na temat wyodrębniania zawartości. |
| Segmentacja | Dzieli dokumenty lub filmy wideo na sekcje logiczne na potrzeby przetwarzania docelowego. Skonfigurowano przy użyciu enableSegment właściwości w schemacie analizatora. Umożliwia podzielenie zawartości na istotne fragmenty, takie jak dzielenie dokumentu według typu dokumentu lub dzielenie wideo na sceny. Dowiedz się więcej o segmentacji i klasyfikacji. |
| Wyodrębnianie pól | Generuje pary ustrukturyzowane klucz-wartość na podstawie zdefiniowanego schematu. Zobacz Limity usług dla obsługiwanych typów pól. Pola danych można wygenerować za pomocą trzech metod: • Wyodrębnij: bezpośrednio wyodrębniaj wartości z zawartości wejściowej (obsługiwane tylko w przypadku dokumentów), takich jak daty z paragonów lub szczegóły elementów z faktur. • Klasyfikuj: Klasyfikuj zawartość ze wstępnie zdefiniowanego zestawu kategorii, takich jak nastroje rozmów lub typ wykresu, i kieruj ją do odpowiedniego analizatora. • Generuj: generuj wartości swobodnie biorąc pod uwagę dane wejściowe, takie jak podsumowywanie konwersacji audio lub tworzenie opisów scen z filmów wideo. Dowiedz się więcej na temat wyodrębniania pól. |
| Współczynniki ufności | Zapewnia oszacowanie niezawodności z zakresu od 0 do 1 dla każdej wyodrębnionej wartości pola. Wysokie wyniki wskazują na dokładne wyodrębnianie danych, co umożliwia przetwarzanie prostolinijne w automatycznych przepływach pracy. Włączone przy użyciu estimateFieldSourceAndConfidence ustawienia w analizatorach dokumentów. Dowiedz się więcej na temat współczynników ufności. |
| Uziemienie | Identyfikuje określone regiony w zawartości, w których każda wartość została wyodrębniona lub wygenerowana. Uziemienie źródła umożliwia użytkownikom w scenariuszach automatyzacji szybkie weryfikowanie poprawności wartości pól przez śledzenie ich z powrotem do źródła zawartości źródłowej. Włączone przy użyciu estimateFieldSourceAndConfidence ustawienia w analizatorach dokumentów. Dowiedz się więcej na temat uziemienia. |
| Kontekstualizacja | Warstwa kontekstowa przygotowuje kontekst dla modeli generatywnych i przetwarza ich dane wyjściowe. Obejmuje normalizację i formatowanie danych wyjściowych, obliczanie uziemienia źródła, obliczanie wskaźnika ufności i inżynierię kontekstu w celu optymalizacji użycia modelu. Dowiedz się więcej na temat kontekstyzacji. |
| Modele odlewnicze | Duże modele językowe (LLM) i modele osadzeń, które umożliwiają generatywne możliwości. Możesz przynieść swoje własne wdrożenia obsługiwanych modeli generatywnych i modeli osadzania tekstu jako przykłady szkoleniowe. Usługa Content Understanding używa tych modeli do wyodrębniania pól, analizy rysunku i innych funkcji opartych na sztucznej inteligencji. Dowiedz się więcej o modelach i wdrożeniach. |
| Dane wyjściowe ze strukturą | Końcowy wynik jest dostarczany w wybranym formacie. Zawartość może być wyjściowa jako kod Markdown dla scenariuszy wyszukiwania i pobierania lub jako ustrukturyzowane dane JSON pasujące do zdefiniowanego schematu dla przepływów pracy automatyzacji i analizy. |
Portale internetowe Content Understanding
Rozumienie treści to usługa Foundry. Aby użyć usługi Content Understanding, należy utworzyć zasób Azure Foundry. Usługa Content Understanding Studio uzupełnia środowisko usługi Foundry, jeśli potrzebujesz zaawansowanych funkcji. Aby uzyskać bardziej szczegółowy podział każdej usługi, zobacz Porównanie funkcji: Opis zawartości w narzędziu Foundry a Content Understanding Studio.
- Omówienie zawartości w portalu Microsoft Foundry: portal Foundry umożliwia tworzenie zaawansowanych, kompleksowych przepływów pracy agentów za pomocą narzędzia Content Understanding Tool.
- Content Understanding Studio: uzupełniające doświadczenie UX, Content Understanding Studio umożliwia płynne przejście, jeśli przechodzisz z platformy Document Intelligence. Oferuje ona środowisko zoptymalizowane pod kątem poprawy wydajności analizatora, w tym ulepszanie analizatorów niestandardowych przy użyciu technik etykietowania danych. Obsługuje również tworzenie niestandardowych analizatorów opartych na klasyfikacji.
Odpowiedzialne używanie sztucznej inteligencji
Usługa Content Understanding została zaprojektowana w celu ochrony przed przetwarzaniem szkodliwej zawartości przez dziedziczenie barier zabezpieczających w usłudze Microsoft Foundry zastosowanych do wdrożeń modelu usługi Foundry. Wykrycia barier zabezpieczających mogą być wyświetlane jako ostrzeżenia lub błędy w odpowiedzi Content Understanding. Aby uzyskać więcej informacji i pełną listę zakazanych treści, zobacz notę o przejrzystości i kodeks postępowania.
Zabezpieczenia w Microsoft Foundry
Analizator może wyodrębniać zawartość dokumentu jako markdown, strony i akapity oraz wyodrębniać pola przy użyciu modeli językowych. Zabezpieczenia mogą ograniczać generowanie pól przy zachowaniu wyodrębnionej zawartości źródłowej. W związku z tym analiza może zakończyć się powodzeniem z ostrzeżeniami nawet wtedy, gdy niektóre wartości pól nie są zwracane.
Poręcz przypisana do wdrożenia modelu Foundry kontroluje, czy potencjalnie szkodliwa zawartość jest blokowana, czy dozwolona za pomocą ostrzeżeń. Blokowanie może ograniczyć wyodrębnianie pól lub uniemożliwić ukończenie analizy. Korzystając z wymaganego zatwierdzenia, można użyć zachowania adnotacji tylko do zachowania wykrywania przeglądu przez człowieka zamiast automatycznego blokowania zawartości.
Przed użyciem wyników w zautomatyzowanych przepływach pracy przejrzyj ostrzeżenia. Aby uzyskać szczegółowe informacje na temat odpowiedzi, przykłady, progi ważności i zatwierdzanie i konfigurację tylko do adnotacji, zobacz Guardrails in Content Understanding (Zabezpieczenia w usłudze Content Understanding).
Prywatność i bezpieczeństwo danych
Przejrzyj zasady Microsoft dotyczące danych klientów podczas korzystania z usługi Content Understanding. Aby uzyskać więcej informacji, odwiedź stronę Dane, ochrona i prywatność .
Wprowadzenie
Skorzystaj z tych przewodników szybkiego startu, aby rozpocząć pracę: