Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Note
Usługa Foundry IQ (Wyszukiwanie AI platformy Azure) udostępnia bezpośrednie indeksowanie i interfejsy API zapytań wraz ze źródłem wiedzy wyższego poziomu i interfejsami API bazy wiedzy na potrzeby pobierania zarządzanego. Użyj portalu Azure, interfejsów API REST lub Azure SDKs, aby skonfigurować te możliwości lub połączyć agentów z bazami wiedzy w portalu Microsoft Foundry.
Umiejętność optycznego rozpoznawania znaków (OCR) rozpoznaje tekst drukowany i odręczny w plikach obrazów. Ten artykuł zawiera dokumentację referencyjną dotyczącą umiejętności OCR. Aby uzyskać instrukcje użycia, zobacz Wyodrębnianie tekstu z obrazów .
Usługa Foundry IQ aktualizuje przetwarzanie OCR w celu używania Azure analizy dokumentów w narzędziach Foundry. Aktualizacja używa modelu odczytu (prebuilt-read) za pośrednictwem interfejsu API REST analizy dokumentów w wersji 2024-11-30 (ogólnie dostępnej). Przetwarzanie używa operacji Analizowanie dokumentów w modelach dokumentów.
Zanim aktualizacja osiągnie usługę, przetwarzanie OCR używa Azure Vision w narzędziach Foundry Tools. Interfejs API odczytu ogólnie dostępnego w wersji 3.2nie otrzymuje dalszych aktualizacji, a Microsoft zaleca odczyt analizy dokumentów dla OCR dokumentu.
Czasami po 5 listopada 2026 r. oczekuje się, że przetwarzanie OCR będzie rozliczane jako użycie analizy dokumentów zamiast użycia Azure Vision. Czas zależy od tego, kiedy aktualizacja osiągnie usługę IQ rozwiązania Foundry.
Nie musisz migrować środowiska, zastępować dołączony zasób usługi Foundry ani zmieniać istniejącej konfiguracji umiejętności OCR. Typ umiejętności, dane wejściowe obrazu i textlayoutText struktury wyjściowe pozostają niezmienione. Nie jest wymagana żadna Wyszukiwanie AI platformy Azure wersja interfejsu API REST ani uaktualnienie zestawu SDK.
Umiejętność OCR wyodrębnia tekst z plików obrazów i obrazów osadzonych. Obsługiwane formaty plików obejmują:
- . JPEG
- .JPG
- .PNG
- .BMP
- . TIFF
Obsługiwane źródła danych na potrzeby analizy OCR i obrazów to obiekty blob w usługach Azure Blob Storage i Azure Data Lake Storage (ADLS) Gen2 oraz zawartość obrazu w usłudze Microsoft OneLake. Obrazy mogą być plikami autonomicznymi lub obrazami osadzonymi w formacie PDF lub innymi plikami.
Note
Ta umiejętność jest powiązana z narzędziami foundry. Wymaga ona rozliczanego zasobu dla transakcji, które przekraczają 20 dokumentów na indeksator dziennie. Aby uzyskać informacje na temat współczynników przetwarzania OCR, zobacz Cennik analizy dokumentów po osiągnięciu usługi przez aktualizację i Azure Cennik usługi Vision przed aktualizacją.
Ponadto wyodrębnianie obrazów jest rozliczane za pomocą protokołu IQ usługi Foundry (Wyszukiwanie AI platformy Azure).
Parametry umiejętności
W parametrach jest rozróżniana wielkość liter.
| Nazwa parametru | Opis |
|---|---|
detectOrientation |
Zachowano zgodność z istniejącymi definicjami umiejętności. Prawidłowe wartości to true i false. Ten parametr dotyczy tylko starszego interfejsu API OCR w wersji 3.2 . |
defaultLanguageCode |
Kod języka tekstu wejściowego. Obsługiwane języki obejmują wszystkie ogólnie dostępne języki usługi Azure Vision. Można również określić unk (Nieznany). Jeśli kod języka jest nieokreślony lub ma wartość null, język jest ustawiony na angielski. Jeśli język jest jawnie ustawiony na unk, wszystkie znalezione języki są automatycznie wykrywane i zwracane. |
lineEnding |
Wartość, która ma być używana jako separator linii. Możliwe wartości: "Spacja", "CarriageReturn", "LineFeed". Wartość domyślna to "Spacja". |
W poprzednich wersjach textExtractionAlgorithm wybrany parametr drukowany lub odręczny tekst. Ten parametr jest przestarzały, ponieważ umiejętność rozpoznaje oba typy bez niego. Nie musisz usuwać jej z istniejącej definicji umiejętności, ale nie jest używana podczas wykonywania.
Dane wejściowe dla umiejętności
| Nazwa danych wejściowych | Opis |
|---|---|
image |
Typ złożony. Obecnie działa tylko z polem "/document/normalized_images" utworzonym przez indeksator obiektów blob platformy Azure, gdy imageAction jest ustawiona wartość inną niż none. |
Dane wyjściowe umiejętności
| Nazwa danych wyjściowych | Opis |
|---|---|
text |
Zwykły tekst wyodrębniony z obrazu. |
layoutText |
Typ złożony opisujący wyodrębniony tekst i lokalizację, w której znaleziono tekst. |
Jeśli wywołasz funkcję OCR na obrazach osadzonych w plikach PDF lub innych plikach aplikacji, dane wyjściowe OCR będą znajdować się w dolnej części strony, po każdym wyodrębnieniu i przetworzeniu tekstu.
Przykładowa definicja
{
"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"
}
]
}
]
}
Przykładowy tekst i układTekstowe dane wyjściowe
{
"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"
}
]
}
}
Przykład: scalanie tekstu wyodrębnionego z obrazów osadzonych z zawartością dokumentu
Pękanie dokumentów, pierwszy krok wykonywania zestawu umiejętności, oddziela tekst i zawartość obrazu. Typowy przypadek użycia połączenia tekstu polega na scaleniu tekstowej reprezentacji obrazów (tekstu z umiejętności OCR lub podpisu obrazu) do pola zawartości dokumentu. Dotyczy to scenariuszy, w których dokument źródłowy jest dokumentem PDF lub Word, który łączy tekst z obrazami osadzonymi.
Poniższy przykładowy zestaw umiejętności tworzy pole merged_text . To pole zawiera tekstową zawartość dokumentu i tekst OCRed z każdego z obrazów osadzonych w tym dokumencie.
Składnia treści żądania
{
"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"
}
]
}
]
}
Powyższy przykład zestawu umiejętności zakłada, że istnieje pole normalized-images. Aby wygenerować to pole, ustaw konfigurację imageAction w definicji indeksatora, aby wygenerowaćNormalizedImages, jak pokazano poniżej:
{
//...rest of your indexer definition goes here ...
"parameters": {
"configuration": {
"dataToExtract":"contentAndMetadata",
"imageAction":"generateNormalizedImages"
}
}
}