Belge Zekası okuma modeli

Bu içerik şunlar için geçerlidir:🟩v4.0 (GA) | Önceki sürümler:🟦v3.1 (GA)🟦v3.0 (GA)

Not

Etiketler, sokak işaretleri ve posterler gibi dış görüntülerden metin ayıklamak için performans açısından geliştirilmiş zaman uyumlu API'ye sahip genel (belge değil) görüntüler için iyileştirilmiş Azure Görüntü Analizi v4.0 Okuma özelliğini kullanın. Bu özellik, gerçek zamanlı kullanıcı deneyimi senaryolarına OCR eklemeyi kolaylaştırır.

Belge Zekası Okuma Optik Karakter Tanıma (OCR) modeli, Azure Vision Read'den daha yüksek çözünürlükte çalışır ve PDF belgelerinden ve taranmış görüntülerden yazdırılmış ve el yazısı metinleri algılar. Ayrıca Microsoft Word, Excel, PowerPoint ve HTML belgelerinden metin ayıklama desteği de içerir. Paragrafları, metin satırlarını, sözcükleri, konumları ve dilleri algılar. Okuma modeli, özel modellere ek olarak Düzen, Genel Belge, Fatura, Makbuz, Kimlik (Kimlik) belgesi, Sağlık sigortası kartı, W2 gibi önceden oluşturulmuş diğer Belge Zekası modelleri için temel alınan OCR altyapısıdır.

Optik Karakter Tanıma nedir?

Belgeler için Optik Karakter Tanıma (OCR), birden çok dosya biçiminde ve genel dilde büyük metin ağırlıklı belgeler için iyileştirilmiştir. Daha küçük ve yoğun metinlerin daha iyi işlenmesi için belge görüntülerinin daha yüksek çözünürlüklü taranmış olması gibi özellikler içerir; paragraf algılama; ve doldurulabilir form yönetimi. OCR özellikleri ayrıca, tek karakter kutuları gibi gelişmiş senaryoları ve faturalarda, makbuzlarda ve diğer hazır senaryolarda yaygın olarak bulunan anahtar alanların doğru şekilde çıkarılmasını da içerir.

Geliştirme seçenekleri (v4)

Belge Yönetim Bilgileri v4.0: 2024-11-30 (GA) aşağıdaki araçları, uygulamaları ve kitaplıkları destekler:

Özellik	Kaynaklar	Model Kimliği
OCR modelini okuma	• Document Intelligence Studio • REST API • C# SDK • Python SDK • Java SDK • JavaScript SDK	önceden oluşturulmuş okuma

Giriş gereksinimleri (v4)

Aşağıdaki dosya biçimleri desteklenir.

Model	PDF	Resim: JPEG/JPG, PNG, BMP, TIFF, HEIF	Office: Word (DOCX), Excel (XLSX), PowerPoint (PPTX), HTML
Okundu	✔	✔	✔
Düzen	✔	✔	✔
Genel belge	✔	✔
Önceden oluşturulmuş	✔	✔
Özel çıkarma	✔	✔
Özel sınıflandırma	✔	✔	✔

• Fotoğraflar ve taramalar: En iyi sonuçlar için belge başına tek bir net fotoğraf veya yüksek kaliteli tarama sağlayın.
• PDF'ler ve TIFF'ler: PDF'ler ve TIFF'ler için en fazla 2.000 sayfa işlenebilir. (Ücretsiz katman aboneliğiyle yalnızca ilk iki sayfa işlenir.)
• Dosya boyutu: Belgeleri analiz etmek için dosya boyutu ücretli (S0) katmanı için 500 MB ve ücretsiz (F0) katmanı için 4 MB'tır.
• Görüntü boyutları: Boyutlar 50 piksel x 50 piksel ile 10.000 piksel x 10.000 piksel arasında olmalıdır.
• Parola kilitleri: PDF'leriniz parola kilitliyse, göndermeden önce kilidi kaldırmanız gerekir.
• Metin yüksekliği: Ayıklanacak metnin en düşük yüksekliği 1024 x 768 piksel görüntü için 12 pikseldir. Bu boyut, inç başına 150 nokta olan yaklaşık 8 noktalı metne karşılık gelir.
• Özel model eğitimi: Eğitim verileri için en fazla sayfa sayısı, özel şablon modeli için 500 ve özel sinir modeli için 50.000'dir.
• Özel ayıklama modeli eğitimi: Eğitim verilerinin toplam boyutu şablon modeli için 50 MB ve sinir modeli için 1 GB'tır.
• Özel sınıflandırma modeli eğitimi: Eğitim verilerinin toplam boyutu en fazla 10.000 sayfa ile 1 GB'tır. 2024-11-30 (GA) için eğitim verilerinin toplam boyutu en fazla 10.000 sayfa ile 2 GB'tır.
• Office dosya türleri (DOCX, XLSX, PPTX): En fazla dize uzunluğu sınırı 8 milyon karakterdir.

Okuma modelini kullanmaya başlama (v4)

Document Intelligence Studio'yu kullanarak formlardan ve belgelerden metin ayıklamayı deneyin. Aşağıdaki varlıklara ihtiyacınız vardır:

• Azure aboneliği: Ücretsiz olarak bir abonelik oluşturabilirsiniz.

• Azure portalında bir Belge Zekası örneği. Hizmeti denemek için ücretsiz fiyatlandırma katmanını (F0) kullanabilirsiniz. Kaynağınız dağıtıldıktan sonra anahtarınızı ve uç noktanızı almak için Kaynağa git seçeneğini belirleyin.

  

Not

Document Intelligence Studio şu anda Microsoft Word, Excel, PowerPoint ve HTML dosya biçimlerini desteklememektedir.

Document Intelligence Studio ile işlenen örnek belge

1. Document Intelligence Studio giriş sayfasında Oku'yu seçin.

2. Örnek belgeyi analiz edebilir veya kendi dosyalarınızı karşıya yükleyebilirsiniz.

3. Analizi çalıştır düğmesini seçin ve gerekirse Çözümle seçeneklerini yapılandırın:

   

   Document Intelligence Studio'yu deneyin.

Desteklenen diller ve yerel ayarlar (v4)

Desteklenen dillerin tam listesi için Dil Desteği— belge çözümleme modelleri sayfamıza bakın.

Veri ayıklama (v4)

Not

Microsoft Word ve HTML dosyası v4.0'da desteklenir. Şu anda aşağıdaki özellikler desteklenmemektedir:

• Her sayfa nesnesi için açı, genişlik/yükseklik ve birim döndürülmez.
• Algılanan her nesne için sınırlayıcı çokgen veya sınırlayıcı bölge bulunmuyor.
• Parametre olarak sayfa aralığı (pages) döndürülmedi.
• lines nesne yok.

Aranabilir PDF'ler

Aranabilir PDF özelliği, taranmış resim PDF dosyaları gibi bir analog PDF'yi eklenmiş metin içeren bir PDF'ye dönüştürmenizi sağlar. Ekli metin, algılanan metin varlıklarını görüntü dosyalarının üzerine katmanlayarak PDF'nin ayıklanan içeriğinde derin metin araması sağlar.

Önemli

• Şu anda yalnızca Read OCR modeli prebuilt-read aranabilir PDF özelliğini destekler. Bu özelliği kullanırken, modelId öğesini prebuilt-read olarak belirtin. Diğer model türleri bu önizleme sürümü için bir hata döndürür.
• Aranabilir PDF, 2024-11-30 GA prebuilt-read modeline dahildir; aranabilir PDF çıktısı oluşturmak için ek ücret alınmaz.

Aranabilir PDF'leri kullanma

Aranabilir PDF kullanmak için POST işlemini kullanarak bir Analyze isteği gönderin ve çıktı biçimini pdf olarak belirtin:

     POST {endpoint}/documentintelligence/documentModels/prebuilt-read:analyze?_overload=analyzeDocument&api-version=2024-11-30&output=pdf
     {...}
     202

Analyze işleminin tamamlanıp tamamlanmadığını denetleyin. İşlem tamamlandıktan sonra, işlem sonuçlarının PDF biçimini almak için bir GET istekte bulunun Analyze .

Başarıyla tamamlandıktan sonra PDF olarak alınabilir ve indirilebilir application/pdf. Bu işlem, Base64 ile kodlanmış JSON yerine PDF'nin eklenmiş metin biçiminin doğrudan indirilmesini sağlar.

     // Monitor the operation until completion.
     GET /documentModels/prebuilt-read/analyzeResults/{resultId}
     200
     {...}

     // Upon successful completion, retrieve the PDF as application/pdf.
     GET {endpoint}/documentintelligence/documentModels/prebuilt-read/analyzeResults/{resultId}/pdf?api-version=2024-11-30
URI Parameters
Name    In    Required    Type    Description
endpoint    path    True    
string

uri    
The Document Intelligence service endpoint.

modelId    path    True    
string

Unique document model name.

Regex pattern: ^[a-zA-Z0-9][a-zA-Z0-9._~-]{1,63}$

resultId    path    True    
string

uuid    
Analyze operation result ID.

api-version    query    True    
string

The API version to use for this operation.

Responses
Name    Type    Description
200 OK    
file

The request has succeeded.

Media Types: "application/pdf", "application/json"

Other Status Codes    
DocumentIntelligenceErrorResponse

An unexpected error response.

Media Types: "application/pdf", "application/json"

Security
Ocp-Apim-Subscription-Key
Type: apiKey
In: header

OAuth2Auth
Type: oauth2
Flow: accessCode
Authorization URL: https://login.microsoftonline.com/common/oauth2/authorize
Token URL: https://login.microsoftonline.com/common/oauth2/token

Scopes
Name    Description
https://cognitiveservices.azure.com/.default    
Examples
Get Analyze Document Result PDF
Sample request
HTTP
HTTP

Copy
GET https://myendpoint.cognitiveservices.azure.com/documentintelligence/documentModels/prebuilt-invoice/analyzeResults/3b31320d-8bab-4f88-b19c-2322a7f11034/pdf?api-version=2024-11-30
Sample response
Status code:
200
JSON

Copy
"{pdfBinary}"
Definitions
Name    Description
DocumentIntelligenceError    
The error object.

DocumentIntelligenceErrorResponse    
Error response object.

DocumentIntelligenceInnerError    
An object containing more specific information about the error.

DocumentIntelligenceError
The error object.

Name    Type    Description
code    
string

One of a server-defined set of error codes.

details    
DocumentIntelligenceError[]

An array of details about specific errors that led to this reported error.

innererror    
DocumentIntelligenceInnerError

An object containing more specific information than the current object about the error.

message    
string

A human-readable representation of the error.

target    
string

The target of the error.

DocumentIntelligenceErrorResponse
Error response object.

Name    Type    Description
error    
DocumentIntelligenceError

Error info.

DocumentIntelligenceInnerError
An object containing more specific information about the error.

Name    Type    Description
code    
string

One of a server-defined set of error codes.

innererror    
DocumentIntelligenceInnerError

Inner error.

message    
string

A human-readable representation of the error.

In this article
URI Parameters
Responses
Security
Examples

     200 OK
     Content-Type: application/pdf

Sayfa parametresi

Sayfalar koleksiyonu, belgedeki sayfaların listesidir. Her sayfa belge içinde sıralı olarak temsil edilir ve sayfanın döndürülmüş olup olmadığını ve genişlik ile yüksekliği (piksel cinsinden boyutlar) gösteren yönlendirme açısını içerir. Model çıkışındaki sayfa birimleri gösterildiği gibi hesaplanır:

Dosya biçimi	Hesaplanan sayfa birimi	Toplam sayfa sayısı
Görüntüler (JPEG/JPG, PNG, BMP, HEIF)	Her resim = 1 sayfa birimi	Toplam resim sayısı
PDF	PDF ' deki her sayfa = 1 sayfa birimi	PDF'deki toplam sayfa sayısı
TIFF	TIFF içindeki her görüntü = 1 sayfa birimi	TIFF'deki toplam görüntü sayısı
Word (DOCX)	En fazla 3.000 karakter = 1 sayfa birimi, eklenmiş veya bağlantılı görüntüler desteklenmez	Her biri en fazla 3.000 karakterden oluşan toplam sayfa sayısı
Excel (XLSX)	Her çalışma sayfası = 1 sayfa birimi, eklenmiş veya bağlı görüntüler desteklenmez	Toplam çalışma sayfası
PowerPoint (PPTX)	Her slayt = 1 sayfalık birim, eklenmiş veya bağlı görüntüler desteklenmez	Toplam slayt sayısı
HTML	En fazla 3.000 karakter = 1 sayfa birimi, eklenmiş veya bağlantılı görüntüler desteklenmez	Her biri en fazla 3.000 karakterden oluşan toplam sayfa sayısı

Örnek kod

    # Analyze pages.
    for page in result.pages:
        print(f"----Analyzing document from page #{page.page_number}----")
        print(f"Page has width: {page.width} and height: {page.height}, measured with unit: {page.unit}")

GitHub'da örnekleri görüntüleyin.

Çıktı

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

Metin ayıklama için sayfaları kullanma

Çok sayfalı büyük PDF belgeleri için, metin ayıklama için belirli sayfa numaralarını veya sayfa aralıklarını belirtmek üzere sorgu parametresini kullanın pages .

Paragraf çıkarma

Belge Zekâsı'ndaki Read OCR modeli, paragraphs koleksiyonundaki belirlenen tüm metin bloklarını analyzeResults altında üst düzey bir nesne olarak ayıklar. Bu koleksiyondaki her girdi bir metin bloğunu temsil eder ve ayıklanan metni ve sınırlayıcı content koordinatları içerirpolygon. span bilgisi, belgedeki tam metni içeren üst düzey content özelliği içindeki metin parçasını işaret eder.

    "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"
        }
    ]

Metin, satır ve sözcük ayıklama

Read OCR modeli, basılı ve el yazısı tarzındaki metni lines ve words olarak çıkarır. Model, sınırlayıcı polygon koordinatlar ve confidence ayıklanan sözcükler için çıkış oluşturur. styles koleksiyonu, algılanması durumunda, satırlara ilişkin her türlü el yazısı stilini ve ilişkili metni işaret eden aralıkları içerir. Bu özellik desteklenen el yazısı diller için geçerlidir.

Microsoft Word, Excel, PowerPoint ve HTML için, Belge Zekası Okuma modeli v3.1 ve sonraki sürümler tüm eklenmiş metni olduğu gibi ayıklar. Metinler, sözcükler ve paragraflar hâlinde çıkarılır. Eklenmiş görüntüler desteklenmez.

Örnek kod

    # Analyze lines.
    if page.lines:
        for line_idx, line in enumerate(page.lines):
            words = get_words(page, line)
            print(
                f"...Line # {line_idx} has {len(words)} words and text '{line.content}' within bounding polygon '{line.polygon}'"
            )

            # Analyze words.
            for word in words:
                print(f"......Word '{word.content}' has a confidence of {word.confidence}")

GitHub'da örnekleri görüntüleyin.

Çıktı

    "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": [],
        }
    ]

El yazısı stil çıkarımı

Yanıt, her metin satırının el yazısı stilinde olup olmadığını ve güvenilirlik puanını sınıflandırmayı içerir. Daha fazla bilgi için bkz. el yazısı dil desteği. Aşağıdaki örnekte örnek bir JSON kod parçacığı gösterilmektedir.

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

Yazı tipi/stil eklentisi özelliğini etkinleştirdiyseniz, nesnenin bir parçası styles olarak yazı tipi/stil sonucunu da alırsınız.

Sonraki adımlar v4.0

Belge Zekası hızlı başlangıcını tamamlayın:

• REST API
• C# SDK’sı
• Python SDK'sı
• Java SDK'sı
• JavaScript

REST API'mizi keşfedin:

Belge Yönetim Bilgileri API'si v4.0

GitHub'da daha fazla örnek bulun:

Modeli oku.