Azure 콘텐츠 이해 기술

Note

foundry IQ(Azure AI 검색)는 관리 검색을 위해 고급 기술 자료 및 기술 자료 API와 함께 직접 인덱싱 및 쿼리 API를 제공합니다. Azure 포털, REST API 또는 Azure SDK 사용하여 이러한 기능을 구성하거나 Microsoft Foundry 포털의 기술 자료에 에이전트를 연결합니다.

Azure Content Understanding 기술은 Foundry 도구의 Azure Content Understanding의문서 분석기를 사용하여 문서에서 텍스트, 이미지 및 위치 메타데이터를 추출합니다. 또한 다중 모달 검색, 에이전트 검색 및 RAG( 검색 보강 생성 )에 대한 콘텐츠를 청크합니다. 이 청크 분할에 대한 텍스트 분할 기술을 추가할 필요가 없습니다.

기본 기술은 일반적으로 Search REST API 2026-04-01에서 사용할 수 있습니다. 의미 체계 청크 및 AI에서 생성된 이미지 설명 2026-05-01-preview은 일반적으로 Search REST API 2026-10-01에서 사용할 수 있습니다. 2026-10-01를 이 문서의 예제에 사용합니다. 이 Search API 버전은 지원되는 지역의 다운스트림 Content Understanding API 버전과 다릅니다.

이 기술은 문서 레이아웃 기술과 비교하여 Markdown 테이블과 수치를 생성하고, 페이지 간 테이블을 인식하고, 페이지에 걸쳐 있는 청크를 지원합니다. 다음 기능은 독립적입니다.

  • 청크 분할:fixedSize 문자로 분할; semantic 는 토큰 길이를 사용하여 레이아웃, 단락 및 제목 경계를 따릅니다. 의미 체계 청크는 의미 체계 순위가 아닙니다.
  • 이미지 추출:extractionOptions 포함 된 images 생성물 .normalized_images 추출만으로는 AI 생성 설명을 사용할 수 없습니다.
  • 이미지 설명:modelName 페어링 및 modelDeployment 설정을 사용하면 벡터화 전에 청크의 Markdown에 인라인된 포함된 그림, 차트 및 다이어그램에 대한 설명을 사용할 수 있습니다. 의미 기반 청킹만으로는 설명 기능이 활성화되지 않습니다.
  • 포함 및 이미지 서비스: 벡터에 대한 별도의 포함 기술을 구성합니다. 이미지를 추출하거나 설명하는 것 자체가 클라이언트에서 사용할 수 있게 하거나 검색 시간 이미지 제공을 사용하도록 설정하지는 않습니다.

Blob 기반 프로시저는 Content Understanding을 사용하여 청크 및 벡터화를 참조하세요.

SharePoint 문서는 Foundry IQ(Azure AI 검색)에서 SharePoint 문서 추출 및 보강을 참조하세요. 더 간단한 설정 및 수명 주기 작업을 위해 기술 원본 API 구성을 선택하거나 더 많은 제어를 위해 인덱서 및 기술 세트 구성을 선택합니다.

제한점

  • 검색은 분석 폴링 창 내에서 문서 분석을 기다립니다. 대용량 파일은 자동으로 적합하지 않으며 서비스 제한 내의 파일은 해당 창 내에서 완료되도록 보장되지 않습니다.

  • 다양한 문서 형식에 대한 Content Understanding 서비스 동작 이 출력에 적용됩니다. 예를 들어 DOCX 및 PDF 파일은 다른 이미지 결과를 생성할 수 있습니다. 대표 파일 테스트; 일관된 이미지 처리가 필요한 경우 PDF 변환을 고려합니다.

  • 방법의 선택적 이미지 스토리지 프로시저는 문서 권한을 수집하는 파이프라인에 적용되지 않습니다. 기술, 프로젝션 및 스토리지를 결합하기 전에 SharePoint ACL 제한 사항을 검토합니다.

  • 선택 사항 modelName 이며 modelDeployment 기술 세트에 연결된 Foundry 리소스에 배포된 채팅 완료 모델을 선택합니다.

  • 지원되는 완성 모델은 Content Understanding의 prebuilt-document 분석기에서 결정됩니다. Content Understanding에서 지원되는 생성 모델을 따릅니다. 구성 수용만으로는 선택한 모델이 런타임에 작동한다는 것을 인증하지 않습니다.

분석 폴링 및 대규모 문서

Content Understanding 문서 분석 작업을 폴링하기 위한 기본 최대 기간은 8분입니다. 비동기 분석을 제출한 후 검색은 터미널 상태에 대한 작업을 폴링합니다. 이 창은 폴링 대기 및 재시도를 포함하여 해당 폴링 루프에서 경과된 시간을 측정합니다. 파일 크기 임계값, 하나의 HTTP 요청에 대한 시간 제한 또는 종단 간 완료 보장이 아닙니다.

작업이 폴링 창 내에서 터미널 상태에 도달하지 않는 경우 기술은 기술 시간 제한 보강 오류를 보고하고 해당 문서에 대한 Content Understanding 분석 출력을 반환하지 않습니다. 인덱서 실행 오류 및 경고를 검사합니다. 문서 또는 전체 실행 실패 여부는 나머지 파이프라인, 프로젝션 및 구성된 인덱서 실패 임계값에 따라 달라집니다. 청크 출력이 누락되었다고 해서 모든 원본 메타데이터가 인덱싱되지 않음을 증명하지는 않습니다. 검색 폴링을 중지하는 것은 다운스트림 분석이 취소되었다는 증거가 아닙니다.

이 8분 분석 기간은 사용자 지정 분석기, 문서 레이아웃 제한, 개별 HTTP/기술 요청 시간 제한, 재시도 지연, 모델 할당량 및 인덱서 런타임 및 계층 제한을 만들기 위한 5분 준비-폴링 시간 제한과는 별개입니다. 이 기술은 고객 관련 분석-설문 조사 재정의를 노출하지 않습니다.

크거나 복잡한 문서의 경우:

  • 페이지 수, 파일 형식, 레이아웃, 테이블, 그림, 의미 체계 청크 및 선택적 설명을 포함한 대표 파일을 측정합니다. 모델/서비스 로드, 제한 및 지역 간 대기 시간은 경과 시간에 영향을 줄 수 있습니다.
  • 가능한 경우 검색 및 Foundry 리소스를 지원되는 동일한 지역에 배치합니다. 필요하지 않은 경우 선택적 설명을 사용하지 않도록 설정하거나 고정 크기 청크를 평가합니다.
  • 파일을 분할하는 경우 모든 파생 문서 및 청크에 대한 의미 있는 섹션, 페이지 간 테이블, 원본 식별자, 원본 페이지 오프셋, 그림 참조, 인용 및 적용 가능한 사용 권한을 유지합니다.
  • 콘텐츠 및 보안 요구 사항에 맞는 다른 지원되는 추출 방법을 고려합니다. 인덱서 일괄 처리 크기를 줄이면 문서별 폴링 창이 확장되지 않습니다.

인덱서 다시 실행 또는 다시 설정은 분석을 반복하고 추가 요금이 발생할 수 있습니다. 이전 분석 결과를 다시 사용하거나 폴링 상태를 다시 시도한다고 가정하지 마세요. 진단은 Content Understanding 분석 문제 해결을 참조하세요.

지원되는 지역

기술은 Content Understanding 2025-11-01 REST API를 호출합니다. Foundry 리소스는 지원되는 Content Understanding 지역에 있어야 합니다.

Foundry IQ 서비스는 지원되는 모든 Foundry IQ 지역에 있을 수 있습니다. 지역 간 네트워크 대기 시간은 인덱서 성능에 영향을 줍니다.

지원되는 파일 형식

이 기술은 PDF, JPEG, JPG, PNG, BMP, HEIF, TIFF, DOCX, XLSX, PPTX, HTML, TXT, MD, RTF 및 EML 파일을 인식합니다. 현재 형식별 제한 사항은 Content Understanding 서비스 제한을 참조하세요.

지원되는 언어

인쇄된 텍스트는 Content Understanding 언어 지원을 참조하세요.

@odata.type

Microsoft.Skills.Util.ContentUnderstandingSkill

데이터 제한

기술 매개 변수

매개변수는 대소문자에 구분됩니다.

매개 변수 이름 허용되는 값 Description
extractionOptions ["images"], ["images", "locationMetadata"], ["locationMetadata"] 선택적 추가 출력입니다. images 이미지를 추출합니다. locationMetadata 페이지 및 위치 정보를 추가합니다. 두 설정 모두 설명을 사용하도록 설정하지 않습니다.
modelName 문자열 포함된 이미지 설명에 대한 선택적 채팅 완성 모델 이름입니다. 와 함께 modelDeployment지정합니다. 모델은 Content Understanding에서 지원되어야 합니다. 지원되는 생성 모델을 참조하세요.
modelDeployment 문자열 기술 세트에 연결된 Foundry 리소스의 선택적 배포 이름입니다. 와 함께 modelName지정합니다. 기본 제공 설명을 사용하지 않도록 설정하려면 두 속성을 모두 생략합니다.
chunkingProperties 객체 다음 표에 설명된 선택적 청크 구성입니다.

chunkingProperties

Property 허용되는 값 Description
method fixedSize (기본값), semantic 고정 크기 문자 창 또는 레이아웃 인식 의미 체계 청크입니다.
unit characterswith ; tokens with fixedSizesemantic 생략하면 .에서 method유추됩니다. 다른 페어링은 지원되지 않습니다.
maximumLength 300-50,000자 또는 100~8,000개의 토큰 구성된 단위의 최대 청크 길이입니다. 기본값: 500.
overlapLength 음수 정수의 절반 미만 maximumLength 기본값: 0. 적용 대상 fixedSize입니다. 의 경우 semantic생략하거나 0으로 설정합니다.

기술 입력

입력 이름 Description
file_data 아직 추출되지 않은 원본 파일 콘텐츠입니다.

포함된 $type: "file" 파일 개체(base64로 인코딩된 파일 바이트) 또는 url (다운로드 가능한 파일 URL) 중 하나를 data 사용합니다. 선택적으로 sasToken Blob Storage 파일 URL을 인증합니다.

Blob 및 SharePoint 인덱서 파이프라인의 경우 인덱서로 설정합니다 parameters.configuration.allowSkillsetToReadFileDatatrue. 원본 파일 /document/file_data은 원본 또는 Content Understanding 제한을 증가하지 않습니다.

사용자 지정 기술은 사용자 지정 기술이 지원되는 파일 개체를 반환할 수도 있습니다. 사용자 지정 Web API 기술을 사용하여 권한으로 보호되는 콘텐츠에 대한 제한을 무시하지 마세요.

기술 성과

출력 이름 Description
text_sections 잠재적으로 스패닝된 페이지인 청크의 컬렉션입니다.
normalized_images 추출된 이미지입니다. 포함되는 경우에만 extractionOptions 표시합니다 images.

각 text_sections 요소에는 다음이 포함됩니다.

Field 유형 Description
id 문자열 청크 식별자입니다.
content 문자열 Markdown 콘텐츠입니다. 쌍을 이루는 모델 설정이 청크 분할 방법과 독립적으로 사용하도록 설정한 경우에만 생성된 그림 설명을 포함합니다.
locationMetadata 객체 pageNumberFrom, pageNumberTo, ordinalPosition 및 source. 위치 메타데이터가 요청되면 표시됩니다.
imagePath 문자열 해당하는 경우 겹치는 그림 범위에 대한 세미콜론으로 구분된 이미지 참조입니다. 직접 검색할 수 있는 URL이 아닙니다.

각 normalized_images 요소에는 id, base64 이미지 data, imagePath및 요청 locationMetadata시 .

locationMetadata.source 는 Content Understanding 요소 위치 인코딩을 유지합니다. 청크를 프로젝션할 때 페이지 및 그림 연결을 유지합니다. 호환되는 지식 저장소 파일 프로젝션이 구성된 imagePath 경우 상대 저장된 이미지 경로를 식별합니다.

청구 및 이미지 설명 컨트롤

기술은 처리 및 청구를 위해 기술 세트에 연결된 Microsoft Foundry 리소스를 사용합니다. 다른 기본 제공 기술에 사용할 수 있는 무료 문서 허용량은 적용되지 않습니다.

Content Understanding 분석기는 Foundry IQ와 별도로 레이아웃 구문 분석 및 추출을 요구합니다. 구성된 경우 이미지 언어화는 동일한 리소스에서 LLM 배포를 사용하고 추가 모델 사용 요금이 발생합니다. Content Understanding 가격 책정, Foundry IQ 가격 책정 및 구성된 Azure OpenAI 모델의 가격 책정을 검토합니다.

기술 세트에서 기본 제공 이미지 설명을 사용하지 않도록 설정하려면 직접 구성하고 Content Understanding 기술 에서 둘 다modelNamemodelDeployment 생략하거나 제거합니다. 추출된 이미지가 여전히 필요한 경우 계속 extractionOptions 포함합니다 images . 의미 체계 또는 고정 크기 청크는 설명 없이 계속할 수 있습니다. 설명을 사용하지 않도록 설정해도 해당되는 Content Understanding 추출/청크, 검색, 포함 또는 검색 요금이 제거되지는 않습니다.

표준 추출을 사용하여 생성된 기술 원본 파이프라인의 경우 생성된 기술 세트를 편집하는 대신 기술 원본을 ingestionParameters 변경합니다. 다음 컨트롤은 그래프 추출 없이 일반 GA 구성에 적용됩니다.

  1. disableImageVerbalization을 true로 설정합니다.
  2. 를 생략하거나 제거합니다 chatCompletionModel. 플래그를 설정하는 동안 null이 아닌 모델을 유지하는 것은 거부됩니다.
  3. 생략하거나 제거 assetStore합니다( 지원되는 경우). 자산 저장소 유효성 검사에는 채팅 완성 모델 및 이미지 구두화를 사용하도록 설정해야 합니다.
  4. 포함 모델 aiServices및 기타 필수 원본 설정을 유지합니다. 해당 종류의 프로시저를 사용하여 기술 원본을 업데이트합니다.
설명 구성 Result
생성됨: 플래그 true, 채팅 모델 없음, 자산 저장소 없음 설명 옵트아웃; 추출 및 청크 분할을 계속할 수 있습니다.
생성됨: 플래그 true, 채팅 모델 유지 잘못되었습니다. chatCompletionModel제거합니다.
생성됨: 모델이 없거나 플래그가 있는 자산 저장소 true 잘못되었습니다.
생성됨: 채팅 모델, 플래그 false 또는 생략됨 이미지 구두화를 실행할 수 있습니다. 선택한 추출/모델 경로에 따라 사용된 기술이 결정됩니다.

이러한 지침은 다른 작업에 채팅 모델을 사용할 수 있는 독립적인 미리 보기 그래프 추출 구성에는 적용되지 않습니다. 기술 자료 종류 또는 이미지 서비스 제공의 별도로 문서화된 가용성을 변경하지 않습니다.

Examples

전체 인덱싱 파이프라인이 아닌 완전한 기술 세트 요청 본문입니다. 검색 엔드포인트와 <access-token> 해당 서비스에 대한 토큰으로 대체 {endpoint} 합니다. Foundry 리소스 연결에 설명된 대로 검색 관리 ID 및 해당 Foundry 권한을 구성합니다.

예제 1: 이미지 및 메타데이터 추출을 사용한 고정 크기 청크

이 구성은 설명을 생성하지 않고 이미지를 추출합니다.

PUT {endpoint}/skillsets/cu-fixed?api-version=2026-10-01
Authorization: Bearer <access-token>
Content-Type: application/json

{
  "name": "cu-fixed",
  "skills": [
    {
      "@odata.type": "#Microsoft.Skills.Util.ContentUnderstandingSkill",
      "context": "/document",
      "extractionOptions": ["images", "locationMetadata"],
      "chunkingProperties": {
        "method": "fixedSize",
        "unit": "characters",
        "maximumLength": 1325,
        "overlapLength": 0
      },
      "inputs": [{"name": "file_data", "source": "/document/file_data"}],
      "outputs": [
        {"name": "text_sections", "targetName": "text_sections"},
        {"name": "normalized_images", "targetName": "normalized_images"}
      ]
    }
  ],
  "cognitiveServices": {
    "@odata.type": "#Microsoft.Azure.Search.AIServicesByIdentity",
    "subdomainUrl": "https://<foundry-resource>.services.ai.azure.com",
    "identity": null
  }
}

인덱싱 후에는 Markdown 콘텐츠 및 위치 메타데이터 normalized_images 와 추출된 이미지에 대해 예상 text_sections 합니다. 그림 참조는 원본 문서에 따라 달라집니다. 이 예제에서는 설명 모델이 구성되지 않았습니다.

예제 2: 이미지 설명을 포함하는 의미 체계 청크

지원되는 채팅 완성 모델 이름과 <chat-deployment> 연결된 Foundry 리소스의 배포로 바꿉 <MODEL_NAME> 다. 설명이 없는 구성은 청구 및 이미지 설명 컨트롤을 참조하세요.

PUT {endpoint}/skillsets/cu-semantic?api-version=2026-10-01
Authorization: Bearer <access-token>
Content-Type: application/json

{
  "name": "cu-semantic",
  "skills": [
    {
      "@odata.type": "#Microsoft.Skills.Util.ContentUnderstandingSkill",
      "context": "/document",
      "modelName": "<MODEL_NAME>",
      "modelDeployment": "<chat-deployment>",
      "extractionOptions": ["images", "locationMetadata"],
      "chunkingProperties": {
        "method": "semantic",
        "unit": "tokens",
        "maximumLength": 500
      },
      "inputs": [{"name": "file_data", "source": "/document/file_data"}],
      "outputs": [
        {"name": "text_sections", "targetName": "text_sections"},
        {"name": "normalized_images", "targetName": "normalized_images"}
      ]
    }
  ],
  "cognitiveServices": {
    "@odata.type": "#Microsoft.Azure.Search.AIServicesByIdentity",
    "subdomainUrl": "https://<foundry-resource>.services.ai.azure.com",
    "identity": null
  }
}

에서 의미 체계적으로 청크된 Markdown을 예상합니다 text_sections. 모델 쌍을 구성하면 생성된 설명이 해당 그림의 콘텐츠에 인라인됩니다. 이미지 추출 및 위치 메타데이터는 extractionOptions. 실제 청크 및 설명은 원본 및 모델에 따라 다릅니다.

Content Understanding 청크 벡터화

벡터 검색의 경우 다음 Azure OpenAI 포함 기술을 동일한 기술 세트의 skills 배열에 추가합니다. 의미 체계 청크 및 이미지 언어화 후에 각 Content Understanding 청크를 처리합니다. 입력에는 text 청크의 Markdown에 생성된 이미지 설명이 포함됩니다.

Foundry 리소스 엔드포인트 및 deploymentId 배포text-embedding-3-large로 설정합니다resourceUri. Content Understanding 리소스 첨부 파일 과 별도로 포함 기술의 권한을 구성합니다 .

{
  "@odata.type": "#Microsoft.Skills.Text.AzureOpenAIEmbeddingSkill",
  "context": "/document/text_sections/*",
  "resourceUri": "https://<embedding-resource>.services.ai.azure.com",
  "deploymentId": "<embedding-deployment>",
  "modelName": "text-embedding-3-large",
  "dimensions": 3072,
  "inputs": [
    {"name": "text", "source": "/document/text_sections/*/content"}
  ],
  "outputs": [
    {"name": "embedding", "targetName": "text_vector"}
  ]
}

/document/text_sections/*/text_vector 인덱스 프로젝션을 사용하여 청크 인덱스의 벡터 필드에 Project. 이 예제에 대해 필드의 차원을 3072 설정하고 호환되는 쿼리 시간 벡터라이저를 사용합니다.