Kognitivní dovednost OCR

Dovednost optického rozpoznávání znaků (OCR) rozpozná tištěný a ručně psaný text v souborech obrázků. Tento článek je referenční dokumentace pro dovednosti OCR. Pokyny k použití najdete v tématu Extrakce textu z obrázků .

Azure AI Vyhledávač aktualizuje zpracování OCR tak, aby používala Azure funkce Document Intelligence v nástrojích Foundry. Aktualizace používá svůj model čtení (prebuilt-read) prostřednictvím rozhraní REST API 2024-11-30 funkce Document Intelligence (obecně dostupná). Zpracování používá operaci Analýza dokumentu modely dokumentů.

Dříve se zpracování OCR používalo Azure Vision v nástrojích Foundry. Rozhraní API pro čtení ga verze 3.2nepřijímá žádné další aktualizace a Microsoft doporučuje funkci Document Intelligence Read pro dokument OCR.

Oficiální oznámení o vyřazení Azure Vision Image Analysis nastaví 25. září 2028 jako datum vyřazení image Analysis. Dovednosti Azure AI Vyhledávač OCR se v rámci této aktualizace nevyřazuje z provozu. Azure AI Vyhledávač spravuje aktualizaci back-endové služby OCR na čtení funkce Document Intelligence.

Po 5. listopadu 2026 se očekává, že se zpracování OCR bude účtovat jako využití funkce Document Intelligence místo Azure Vision. Načasování závisí na tom, kdy aktualizace dosáhne vaší vyhledávací služby.

Nemusíte migrovat prostředí, nahradit připojený prostředek Foundry ani změnit stávající konfiguraci dovedností OCR. Typ dovednosti, vstupy obrázků a textlayoutText výstupní struktury zůstávají beze změny. Nevyžaduje se Azure AI Vyhledávač verze rozhraní REST API ani upgrade sady SDK.

Dovednost OCR extrahuje text ze souborů obrázků a vložených obrázků. Mezi podporované formáty souborů patří:

• . JPEG
• .JPG
• .PNG
• .BMP
• . TIFF

Podporované zdroje dat pro analýzu OCR a obrázků jsou objekty blob ve službě Azure Blob Storage a Azure Data Lake Storage (ADLS) Gen2 a obsah obrázků v Microsoft OneLake. Obrázky můžou být samostatné soubory nebo vložené obrázky v PDF nebo jiných souborech.

Parametry dovedností

Parametry rozlišují malá a velká písmena.

V předchozích verzích textExtractionAlgorithm byl vybraný parametr vytištěný nebo rukou psaný text. Tento parametr je zastaralý, protože dovednost rozpoznává oba typy bez něj. Nemusíte ji odebírat z existující definice dovednosti, ale nepoužívá se během provádění.

Vstupy dovedností

Výstupy schopností

Pokud voláte funkci OCR u obrázků vložených do souborů PDF nebo jiných souborů aplikace, bude výstup OCR umístěn v dolní části stránky po extrahování a zpracování textu.

Ukázková definice

{
  "skills": [
    {
      "description": "Extracts text (plain and structured) from image.",
      "@odata.type": "#Microsoft.Skills.Vision.OcrSkill",
      "context": "/document/normalized_images/*",
      "defaultLanguageCode": null,
      "detectOrientation": true,
      "inputs": [
        {
          "name": "image",
          "source": "/document/normalized_images/*"
        }
      ],
      "outputs": [
        {
          "name": "text",
          "targetName": "myText"
        },
        {
          "name": "layoutText",
          "targetName": "myLayoutText"
        }
      ]
    }
  ]
}

Ukázkový text a výstup layoutText

{
  "text": "Hello World. -John",
  "layoutText":
  {
    "language" : "en",
    "text" : "Hello World. -John",
    "lines" : [
      {
        "boundingBox":
        [ {"x":10, "y":10}, {"x":50, "y":10}, {"x":50, "y":30},{"x":10, "y":30}],
        "text":"Hello World."
      },
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"-John"
      }
    ],
    "words": [
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"Hello"
      },
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"World."
      },
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"-John"
      }
    ]
  }
}

Ukázka: Sloučení textu extrahovaného z vložených obrázků s obsahem dokumentu

Prolomení dokumentu, první krok při provádění sady dovedností, odděluje text a obsah obrázku. Běžným případem použití pro fúzi textu je sloučení textové reprezentace obrázků (text z dovednosti OCR nebo titulek obrázku) do pole obsahu dokumentu. Jedná se o scénáře, ve kterých je zdrojový dokument PDF nebo wordový dokument, který kombinuje text s vloženými obrázky.

Následující příklad sady dovedností vytvoří pole merged_text . Toto pole obsahuje textový obsah dokumentu a text OCRed z každého z obrázků vložených do tohoto dokumentu.

Syntaxe textu požadavku

{
  "description": "Extract text from images and merge with content text to produce merged_text",
  "skills":
  [
    {
      "description": "Extract text (plain and structured) from image.",
      "@odata.type": "#Microsoft.Skills.Vision.OcrSkill",
      "context": "/document/normalized_images/*",
      "defaultLanguageCode": "en",
      "detectOrientation": true,
      "inputs": [
        {
          "name": "image",
          "source": "/document/normalized_images/*"
        }
      ],
      "outputs": [
        {
          "name": "text"
        }
      ]
    },
    {
      "@odata.type": "#Microsoft.Skills.Text.MergeSkill",
      "description": "Create merged_text, which includes all the textual representation of each image inserted at the right location in the content field.",
      "context": "/document",
      "insertPreTag": " ",
      "insertPostTag": " ",
      "inputs": [
        {
          "name":"text",
          "source": "/document/content"
        },
        {
          "name": "itemsToInsert", 
          "source": "/document/normalized_images/*/text"
        },
        {
          "name":"offsets", 
          "source": "/document/normalized_images/*/contentOffset"
        }
      ],
      "outputs": [
        {
          "name": "mergedText", 
          "targetName" : "merged_text"
        }
      ]
    }
  ]
}

Výše uvedený příklad sady dovedností předpokládá, že existuje pole normalized-images. Pokud chcete toto pole vygenerovat, nastavte konfiguraci imageAction v definici indexeru tak, aby generovalaNormalizedImages , jak je znázorněno níže:

{
  //...rest of your indexer definition goes here ...
  "parameters": {
    "configuration": {
      "dataToExtract":"contentAndMetadata",
      "imageAction":"generateNormalizedImages"
    }
  }
}

Viz také

• Co je optické rozpoznávání znaků
• Předdefinované dovednosti
• Dovednost TextMerger
• Definování sady dovedností
• Extrakce textu a informací z obrázků
• Vytvoření indexeru (REST)