Модель счета аналитики документов

Это содержимое относится к:версии 4.0 (GA) | Предыдущие версии:версии 3.1 (GA) версии 3.0 (вывод из эксплуатации)версии 2.1 (вывод из эксплуатации)

::: moniker-end

Это содержимое относится к:версии 3.1 (GA) | Последняя версия:версии 4.0 (GA) | Предыдущие версии:версии 3.0версии 2.1

Это содержимое относится к:red-checkmarkверсии 3.0 (удаление)Последние версии:purple-checkmarkверсия 4.0 (GA)purple-checkmarkверсия 3.1Предыдущая версия:blue-checkmarkверсия 2.1 (удаление)

Это содержимое относится к:версия 2.1 | Последняя версия:версия 4.0 (GA)

Модель счета аналитики документов использует мощные возможности оптического распознавания символов (OCR) для анализа и извлечения ключевых полей и элементов строки из счетов по продажам, счетов за служебные услуги и заказов на покупку. Счета могут иметь различные форматы и качество, включая захваченные телефоном изображения, сканированные документы и цифровые PDF-файлы. API анализирует текст счета; извлекает ключевые сведения, такие как имя клиента, адрес выставления счетов, дата выполнения и сумма; и возвращает структурированное представление данных JSON. В настоящее время модель поддерживает счета на 27 языках.

Поддерживаемые типы документов:

Счета
Счета за коммунальные услуги
Заказы на продажу
Заказы на покупку

Автоматическая обработка счетов

Автоматическая обработка счетов — это процесс извлечения ключевых accounts payable полей из учетных документов. Извлеченные данные включают элементы строк из счетов, интегрированных с рабочими процессами по кредиторской задолженности (AP) для проверок и платежей. Исторически процесс обработки счетов к оплате выполняется вручную и, следовательно, является трудоемким. Точное извлечение ключевых данных из счетов обычно является первым и одним из наиболее важных шагов в процессе автоматизации счетов.

Пример счета, обработанного с помощью Document Intelligence Studio:

Образец счета, обработанный с использованием Document Intelligence Sample Labeling tool:

Снимок экрана: пример счета.

Варианты разработки

Аналитика документов версии 4.0: 2024-11-30 (GA) поддерживает следующие средства, приложения и библиотеки:

Функция	Ресурсы	Идентификатор модели
Модель счета	• Document Intelligence Studio• REST API• C# SDK• Python SDK• Java SDK• JavaScript SDK	предварительно созданная счет-фактура

Аналитика документов версии 3.1 поддерживает следующие средства, приложения и библиотеки:

Функция	Ресурсы	Идентификатор модели
Модель счета	• Document Intelligence Studio • REST API • C# SDK • Python SDK • Java SDK • JavaScript SDK	предварительно созданная счет-фактура

Аналитика документов версии 3.0 поддерживает следующие средства, приложения и библиотеки:

Функция	Ресурсы	Идентификатор модели
Модель счета	• Document Intelligence Studio • REST API • C# SDK • Python SDK • Java SDK • JavaScript SDK	предварительно созданная счет-фактура

Аналитика документов версии 2.1 поддерживает следующие средства, приложения и библиотеки:

Функция	Ресурсы
Модель счета	• Средство маркировки документов • REST API • SDK библиотека клиента • Контейнер Docker для разметки документов

Требования к входным данным

Поддерживаются следующие форматы файлов.

Модель	PDF	Изображение: JPEG/JPG, PNG, BMP, TIFF, HEIF	Office: Word (DOCX), Excel (XLSX), PowerPoint (PPTX), HTML
Прочитать	✔	✔	✔
Макет	✔	✔	✔
Общий документ	✔	✔
Предварительно собранный	✔	✔
Настраиваемое извлечение	✔	✔
Настраиваемая классификация	✔	✔	✔

Фотографии и сканы: для получения наилучших результатов предоставьте одну четкую фотографию или высококачественный скан на каждый документ.
PDF и TIFF: для PDF и TIFF можно обрабатывать до 2000 страниц. (С подпиской на бесплатный уровень обрабатываются только первые две страницы.)
Размер файла: размер файла для анализа документов составляет 500 МБ для платного уровня (S0) и 4 МБ для бесплатного уровня (F0).
Размеры изображения: размеры должны находиться в диапазоне от 50 пикселей до 10 000 пикселей x 10 000 пикселей.
Блокировки паролей. Если pdf-файлы заблокированы паролем, необходимо удалить блокировку перед отправкой.
Высота текста: минимальная высота извлеченного текста составляет 12 пикселей для изображения 1024 x 768 пикселей. Это измерение соответствует примерно 8-точечному тексту при 150 точках на дюйм.
Обучение пользовательской модели: максимальное количество страниц для обучающих данных составляет 500 для пользовательской модели шаблона и 50 000 для пользовательской нейронной модели.
Обучение пользовательской модели извлечения: общий размер обучающих данных составляет 50 МБ для модели шаблона и 1 ГБ для нейронной модели.
Обучение пользовательской модели классификации: общий размер обучающих данных составляет 1 ГБ, не более 10 000 страниц. Для 2024-11-30 (GA) общий размер обучающих данных составляет 2 ГБ с максимум 10 000 страниц.
Типы файлов Office (DOCX, XLSX, PPTX): максимальная длина строки составляет 8 миллионов символов.

Поддерживаемые форматы файлов: JPEG, PNG, PDF и TIFF.
Обрабатываются поддерживаемые PDF-файлы и TIFF, до 2000 страниц могут быть обработаны. Для подписчиков уровня "Бесплатный" обрабатываются только первые две страницы.
Поддерживаемый размер файла должен быть меньше 50 МБ и размеров не менее 50 x 50 пикселей и не более 10 000 x 10 000 пикселей.

Извлечение данных модели счета

Узнайте, как данные, включая сведения о клиентах, сведения о поставщике и элементы строки, извлекаются из счетов. Вам потребуются следующие ресурсы:

Подписка Azure — вы можете создать её бесплатно.
Экземпляр Document Intelligence на портале Microsoft Azure. Вы можете использовать бесплатную ценовую категорию (F0) для пробной службы. После развертывания ресурса выберите "Перейти к ресурсу" , чтобы получить ключ и конечную точку.

Снимок экрана с ключами и местоположением конечной точки на портале Azure.

На домашней странице Document Intelligence Studio выберите "Счета".
Вы можете проанализировать пример счета или отправить собственные файлы.
Нажмите кнопку "Выполнить анализ ", а при необходимости настройте параметры анализа :

Попробуйте использовать Document Intelligence Studio

Средство разметки образцов для анализа документов

Перейдите к инструменту аналитики документов.
На домашней странице инструмента выберите элемент Использовать предварительно созданную модель для получения данных.
Выберите тип формы для анализа из раскрывающегося меню.
Выберите URL-адрес файла, который вы хотите проанализировать из следующих параметров:
В поле "Источник" выберите URL-адрес в раскрывающемся меню, вставьте выбранный URL-адрес и нажмите кнопку "Получить ".
В поле конечной точки службы аналитики документов вставьте конечную точку, полученную в подписке Аналитики документов.
В поле ключа вставьте ключ, полученный из ресурса аналитики документов.
Выберите "Выполнить анализ". Средство аналитики документов вызывает предварительно созданный API анализа и анализирует документ.
Просмотрите результаты: пары "ключ-значение", извлеченные элементы строк, выделенный текст и обнаруженные таблицы.

Примечание

Инструмент маркировки образцов не поддерживает формат файла BMP. Это ограничение средства, а не службы аналитики документов.

Поддерживаемые языки и локали

Полный список поддерживаемых языков см. на странице поддержки языков предварительно созданных моделей.

Извлечение полей

Для поддерживаемых полей извлечения из документов см. страницу схемы модели счета в примере репозитория GitHub.
Пары "ключ-значение" счета-фактуры и извлеченные строки находятся в documentResults разделе выходных данных JSON.

пары «ключ-значение»

Предварительно созданная модель счета поддерживает необязательный возврат пар "ключ-значение". По умолчанию возврат пар "ключ-значение" отключен. Пары "ключ-значение" являются определенными диапазонами в счете, которые определяют метку или ключ и связанный ответ или значение. В счете эти пары могут быть меткой и значением, введенным пользователем для этого поля или номера телефона. Модель искусственного интеллекта обучена извлекать идентифицируемые ключи и значения на основе различных типов документов, форматов и структур.

Ключи также могут существовать в изоляции, если модель обнаруживает, что ключ существует, без связанного значения или при обработке необязательных полей. Например, поле для отчества можно оставить пустым в форме в некоторых случаях. Пары "ключ-значение" всегда являются участками текста, содержащегося в документе. Для документов, в которых одна и та же сущность описана разными способами, например, клиент/пользователь, связанный ключ это либо клиент, либо пользователь (в зависимости от контекста).

Выходные данные JSON

Выходные данные JSON состоит из трех частей:

"readResults" узел содержит все распознанные текстовые и выделенные знаки. Текст организован по страницам, а затем по строкам, а затем по отдельным словам.
"pageResults" узел содержит таблицы и ячейки, извлеченные с их ограничивающими прямоугольниками, уровнем доверия и ссылкой на строки и слова в readResults.
"documentResults" узел содержит значения, относящиеся к счету, и элементы строки, обнаруженные моделью. Здесь можно найти все поля из счета, например ID счета, адрес доставки, адрес выставления счета, клиента, общая сумма, элементы строки и многое другое.

Руководство по миграции

Следуйте руководству по миграции с помощью аналитики документов версии 3.1 , чтобы узнать, как использовать версию версии 3.0 в приложениях и рабочих процессах.