你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

文档智能附加功能

重要

• 使用文档智能选公共预览版，可以提前使用目前正处于开发状态的功能。
• 在正式发布 (GA) 之前，根据用户反馈，功能、方法和流程可能会发生更改。
• 文档智能客户端库的公共预览版默认使用 REST API 版本 2024-02-29-preview。
• 公共预览版 2024-02-29-preview 目前仅在以下 Azure 区域中可用：
• 美国东部
• 美国西部 2
• “西欧”

此内容适用于：v4.0（预览版） | 先前版本：v3.1 (GA)

文档智能支持更复杂的模块化分析功能。 使用加载项功能扩展结果，以包含从文档中提取的更多功能。 某些加载项功能会产生额外费用。 根据文档提取方案，可以启用和禁用这些可选功能。 若要启用某个功能，请将关联的功能名称添加到 features 查询字符串属性。 可以通过提供逗号分隔的功能列表，在请求中启用多个附加功能。 以下附加功能适用于 2023-07-31 (GA) 及更高版本。

• ocrHighResolution

• formulas

• styleFont

• barcodes

• languages

注意

并非所有模型都支持所有附加功能。 有关详细信息，请参阅模型数据提取。

以下附加功能适用于 2024-02-29-preview、2024-02-29-preview 及更高版本：

• keyValuePairs

• queryFields

注意

2023-10-30-preview API 中的查询字段实现与上一个预览版不同。 新实现成本更低，适用于结构化文档。

附加功能	附加功能/免费	2024-02-29-preview	2023-07-31（正式发布）	2022-08-31（正式发布）	v2.1 (GA)
字体属性提取	附加功能	✔	✔	不适用	不适用
公式提取	附加功能	✔	✔	不适用	不适用
高分辨率提取	附加功能	✔	✔	不适用	不适用
条形码提取	免费	✔	✔	不适用	不适用
语言检测	免费	✔	✔	不适用	不适用
键值对	免费	✔	不适用	不适用	不适用
查询字段	附加功能*	✔	不适用	不适用	不适用

附加功能* - 查询字段的定价与其他附加功能不同。 有关详细信息，请参阅定价。

高分辨率提取

从大型文档（如工程图纸）中识别小文本是一项挑战。 文本通常与其他图形元素混合在一起，并且具有不同的字体、大小和方向。 此外，文本可以分解为单独的部分或与其他符号连接。 文档智能现在支持使用 ocr.highResolution 功能从这些类型的文档中提取内容。 通过启用此附加功能，可以提高从 A1/A2/A3 文档中提取内容的质量。

REST API

{your-resource-endpoint}.cognitiveservices.azure.com/documentintelligence/documentModels/prebuilt-layout:analyze?api-version=2024-02-29-preview&features=ocrHighResolution

公式提取

ocr.formula 功能将 formulas 集合中所有已识别的公式（如数学公式）提取为 content 下的顶级对象。 在 content 内，检测到的公式表示为 :formula:。 此集合中的每个条目表示一个公式，该公式类型为 inline 或 display，其 LaTeX 表示形式 value 及其 polygon 坐标。 最初，公式显示在每页的末尾。

注意

confidence 分数是硬编码的。

"content": ":formula:",
  "pages": [
    {
      "pageNumber": 1,
      "formulas": [
        {
          "kind": "inline",
          "value": "\\frac { \\partial a } { \\partial b }",
          "polygon": [...],
          "span": {...},
          "confidence": 0.99
        },
        {
          "kind": "display",
          "value": "y = a \\times b + a \\times c",
          "polygon": [...],
          "span": {...},
          "confidence": 0.99
        }
      ]
    }
  ]

REST API

{your-resource-endpoint}.cognitiveservices.azure.com/documentintelligence/documentModels/prebuilt-layout:analyze?api-version=2024-02-29-preview&features=formulas

字体属性提取

ocr.font 功能将 styles 集合中提取的文本的所有字体属性提取为 content 下的顶级对象。 每个样式对象都会指定一个字体属性、适用的文本范围及其相应的置信度分数。 现有样式属性扩展了更多字体属性，例如文本字体的 similarFontFamily、斜体和正常等样式的 fontStyle、粗体或正常样式的 fontWeight、文本颜色的 color 和文本边界框颜色的 backgroundColor。

"content": "Foo bar",
"styles": [
    {
      "similarFontFamily": "Arial, sans-serif",
      "spans": [ { "offset": 0, "length": 3 } ],
      "confidence": 0.98
    },
    {
      "similarFontFamily": "Times New Roman, serif",
      "spans": [ { "offset": 4, "length": 3 } ],
      "confidence": 0.98
    },
    {
      "fontStyle": "italic",
      "spans": [ { "offset": 1, "length": 2 } ],
      "confidence": 0.98
    },
    {
      "fontWeight": "bold",
      "spans": [ { "offset": 2, "length": 3 } ],
      "confidence": 0.98
    },
    {
      "color": "#FF0000",
      "spans": [ { "offset": 4, "length": 2 } ],
      "confidence": 0.98
    },
    {
      "backgroundColor": "#00FF00",
      "spans": [ { "offset": 5, "length": 2 } ],
      "confidence": 0.98
    }
  ]

REST API

  {your-resource-endpoint}.cognitiveservices.azure.com/documentintelligence/documentModels/prebuilt-layout:analyze?api-version=2024-02-29-preview&features=styleFont

条形码属性提取

ocr.barcode 功能将 barcodes 集合中所有已识别的条形码提取为 content 下的顶级对象。 在 content 内，检测到的条形码表示为 :barcode:。 此集合中的每个条目都表示一个条形码，包括条形码类型（表示为 kind）和嵌入的条形码内容（表示为 value）及其 polygon 坐标。 最初，条形码显示在每页的末尾。 confidence 硬编码为 1。

支持的条形码类型

条形码类型	示例
QR Code
Code 39
Code 93
Code 128
UPC (UPC-A & UPC-E)
PDF417
EAN-8
EAN-13
Codabar
Databar
展开的 Databar
ITF
Data Matrix

REST API

{your-resource-endpoint}.cognitiveservices.azure.com/documentintelligence/documentModels/prebuilt-layout:analyze?api-version=2024-02-29-preview&features=barcodes

语言检测

将 languages 功能添加到 analyzeResult 请求可以预测每个文本行所检测到的主要语言，以及 analyzeResult 下 languages 集合中的 confidence。

"languages": [
    {
        "spans": [
            {
                "offset": 0,
                "length": 131
            }
        ],
        "locale": "en",
        "confidence": 0.7
    },
]

REST API

{your-resource-endpoint}.cognitiveservices.azure.com/documentintelligence/documentModels/prebuilt-layout:analyze?api-version=2024-02-29-preview&features=languages

键值对

在早期 API 版本中，预生成文档模型将从窗体和文档中提取键值对。 通过添加 keyValuePairs 功能到预生成布局，布局模型现在会生成相同的结果。

键值对是文档中的特定范围，用于标识标签或键及其关联的响应或值。 在结构化形式中，这些对可以是用户为该字段输入的标签和值。 在非结构化文档中，它们可能是基于段落中的文本执行合同的日期。 AI 模型经过训练，可基于各种文档类型、格式和结构提取可识别的键和值。

当模型检测到有键但无关联的值，或模型处理可选字段时，键也可以单独存在。 例如，在某些实例中，窗体上的中间名字段可留空。 键值对是文档中包含的文本范围。 对应以不同方式描述相同值的文档，例如客户/用户，关联的键将是客户或用户（具体取决于上下文）。

REST API

{your-resource-endpoint}.cognitiveservices.azure.com/documentintelligence/documentModels/prebuilt-layout:analyze?api-version=2024-02-29-preview&features=keyValuePairs

查询字段

查询字段是一项附加功能，用于扩展从任何预生成模型中提取的架构，或者当键名称为变量时定义特定键名称。 若要使用查询字段，请将功能设置为 queryFields 并在 queryFields 属性中提供以逗号分隔的字段名称列表。

• 文档智能现在支持查询字段提取。 使用查询字段提取，可以使用查询请求将字段添加到提取过程，而无需额外的训练。

• 如果需要扩展预生成或自定义模型的架构，或者需要提取一些具有布局输出的字段，请使用查询字段。

• 查询字段是高级加载项功能。 为了获得最佳结果，请使用适用于多单词字段名称的驼峰式大小写或 Pascal 拼写法字段名称来定义要提取的字段。

• 查询字段支持每个请求最多 20 个字段。 如果文档包含字段的值，则返回字段和值。

• 此版本具有查询字段功能的新实现，其定价低于早期实现，应进行验证。

注意

文档智能工作室查询字段提取目前可用于布局和预生成模型 2024-02-29-preview2023-10-31-preview API 及更高版本，US tax 模型（W2、1098 和 1099 模型）除外。

查询字段提取

对于查询字段提取，请指定要提取的字段，文档智能会相应地分析文档。 下面是一个示例：

• 如果要在文档智能工作室中处理协定，请使用版本 2024-02-29-preview 或 2023-10-31-preview：

  

• 在 analyze document 请求过程中，你可以传递字段标签列表，如 Party1、Party2、TermsOfUse、PaymentTerms、PaymentDate 以及 TermEndDate。

  

• 文档智能能够分析和提取字段数据，并在结构化 JSON 输出中返回值。

• 除了查询字段，响应还包括文本、表、选择标记和其他相关数据。

REST API

{your-resource-endpoint}.cognitiveservices.azure.com/documentintelligence/documentModels/prebuilt-layout:analyze?api-version=2024-02-29-preview&features=queryFields&queryFields=TERMS

后续步骤

了解详细信息：读取模型布局模型

SDK 示例：python