Função de Compreensão de Conteúdos do Azure

A competência Azure Content Understanding utiliza documentos do Azure Content Understanding in Foundry Tools para analisar documentos não estruturados e outros tipos de conteúdo, gerando resultados organizados e pesquisáveis que podem ser integrados em cargas de trabalho de automação. Esta competência extrai tanto texto como imagens, incluindo metadados de localização que preservam a posição de cada imagem dentro do documento. A proximidade da imagem com conteúdos relacionados é especialmente útil para pesquisa multimodal, recuperação agential e geração aumentada por recuperação (RAG).

A competência Azure Compreensão de Conteúdo está ligada a um recurso faturável Microsoft Foundry. Ao contrário de outras competências Azure recursos de IA, como a competência Layout de Documentos, a competência Azure Compreensão de Conteúdo não oferece 20 documentos gratuitos por indexador por dia. A execução desta competência é cobrada ao preço Azure Compreensão de Conteúdo.

Podes usar a competência Azure Content Understanding tanto para extração de conteúdo como para fragmentação. Não precisas de usar a habilidade Text Split no teu conjunto de habilidades. Esta competência implementa a mesma interface da competência Layout de Documentos, que utiliza o modelo de layout Azure Document Intelligence no Foundry Tools quando está definido para . No entanto, a competência Azure Content Understanding oferece várias vantagens em relação à competência Layout de Documentos:

• Tabelas e figuras são geradas em formato Markdown, tornando-as mais fáceis de compreender para grandes modelos de linguagem (LLMs). Em contraste, a competência Layout de Documentos gera tabelas e figuras como texto simples, o que pode resultar em perda de informação.

• Para tabelas que abrangem várias páginas, a competência Azure Content Understanding pode reconhecer e extrair tabelas de páginas cruzadas como uma única unidade.

• A competência Azure Content Understanding permite que blocos se estendam por várias páginas através de unidades semânticas.

• A competência Azure Content Understanding é mais económica do que a competência Document Layout porque a API de Content Understanding é mais barata.

• O Azure Content Understanding pode gerar descrições baseadas em IA para imagens, gráficos, diagramas e figuras incorporadas. As descrições de figuras incorporadas são incorporadas diretamente no conteúdo markdown gerado para recuperação. Estas descrições são pesquisáveis e podem melhorar o aterramento RAG e a qualidade da recuperação multimodal.

A competência Azure Compreensão de Conteúdo está geralmente disponível na API 2026-04-01 REST. A partir do 2026-05-01-preview, a habilidade gera opcionalmente descrições de imagens baseadas em IA para imagens, gráficos e diagramas incorporados em documentos (pré-visualização). Para ativar descrições, deve implementar um modelo de conclusão de chat Azure OpenAI no recurso Foundry associado ao conjunto de competências. Esta versão da API também adiciona fragmentação semântica (pré-visualização), uma opção consciente do layout que respeita os limites dos parágrafos e mede o comprimento dos blocos nos tokens. Ambas as capacidades exigem participação voluntária. Quando os novos parâmetros são omitidos, a habilidade comporta-se da mesma forma que na versão estável 2026-04-01 da API.

Limitações

A competência Azure Content Understanding tem as seguintes limitações:

• Esta competência não é adequada para documentos grandes que exijam mais de cinco minutos de processamento no analisador de documentos de Compreensão de Conteúdo. A habilidade expira, mas as cargas continuam a aplicar-se ao recurso da Fundição que está associado ao conjunto de habilidades. Garantir que os documentos são otimizados para se manterem dentro dos limites de processamento e evitar custos desnecessários.

• Esta competência chama o analisador de documentos Azure Content Understanding, por isso todos os comportamentos documentados service para diferentes tipos de documentos aplicam-se à sua saída. Por exemplo, ficheiros Word (DOCX) e PDF podem produzir resultados diferentes devido a diferenças na forma como as imagens são tratadas. Se for necessário um comportamento consistente das imagens entre DOCX e PDF, considere converter documentos para PDF ou rever a documentação de pesquisa multimodal para abordagens alternativas.

Regiões suportadas

A competência Azure Content Understanding chama a -11-01 2025-01/c0>. O seu recurso Foundry deve estar numa região suportada, descrita em Azure Content Understanding region and language support .

O seu serviço de pesquisa pode estar em qualquer região Pesquisa de IA do Azure suportada . Quando o seu recurso Foundry e o serviço Pesquisa de IA do Azure não estão na mesma região, a latência da rede entre regiões afeta o desempenho do seu indexador.

Formatos de ficheiro suportados

A competência Azure Content Understanding reconhece os seguintes formatos de ficheiro:

• .PDF
• . JPEG
• .JPG
• .PNG
• .BMP
• . HEIF
• . TIFF
• .DOCX
• . XLSX
• .PPTX
• .HTML
• .TXT
• . MD
• . RTF
• . EML

Idiomas suportados

Para texto impresso, veja Azure Content Understanding region and language support .

@odata.type

Microsoft.Skills.Util.ContentUnderstandingSkill

Limites de dados

• Mesmo quando o tamanho do ficheiro para análise de documentos está dentro do limite de 200 MB, conforme descrito nas quotas e limites de serviço de Compreensão de Conteúdo Azure, a indexação continua sujeita aos limites indexador do seu nível de serviço de pesquisa.

• As dimensões da imagem devem ser entre 50 pixels x 50 pixels ou 10.000 pixels x 10.000 pixels.

• Se os seus PDFs estiverem bloqueados por palavra-passe, remova o bloqueio antes de executar o indexador.

Parâmetros de habilidade

Os parâmetros são distinguíveis de maiúsculas minúsculas.

Entradas de habilidades

A file_data entrada deve ser um objeto definido como:

{
  "$type": "file",
  "data": "BASE64 encoded string of the file"
}

Alternativamente, pode ser definido como:

{
  "$type": "file",
  "url": "URL to download the file",
  "sasToken": "OPTIONAL: SAS token for authentication if the provided URL is for a file in blob storage"
}

O objeto de referência do ficheiro pode ser gerado de uma das seguintes formas:

• Definir o allowSkillsetToReadFileData parâmetro na definição do indexador para true. Esta definição cria um /document/file_data caminho que representa os dados originais do ficheiro descarregados da sua fonte de dados do blob. Este parâmetro aplica-se apenas a ficheiros no Armazenamento de Blobs do Azure.

  allowSkillsetToReadFileData torna os dados do ficheiro descarregados disponíveis para a competência. Não aumenta os limites do blob indexer nem os limites do serviço de Compreensão de Conteúdo descritos em Limites de dados.

• Ter uma habilidade personalizada que retorna uma definição de objeto JSON que fornece $type, data, ou url e sastoken. O $type parâmetro deve ser definido para file, e data deve ser o array de bytes codificado base de 64 bytes do conteúdo do ficheiro. O url parâmetro deve ser uma URL válida com acesso para descarregar o ficheiro nesse local.

Resultados em termos de competências

Cada elemento em text_sections tem os seguintes campos:

Cada elemento em normalized_images tem os seguintes campos:

Examples

O primeiro exemplo utiliza blocos de tamanho fixo e demonstra como produzir conteúdo de texto em blocos de tamanho fixo e extrair imagens juntamente com metadados de localização do documento. O segundo exemplo, disponível a partir da 2026-05-01-preview API REST, utiliza fragmentação semântica com descrições de imagens geradas por IA.

Exemplo 1: Blocos de tamanho fixo com extração de imagem e metadados

{
  "skills": [
    {
      "description": "Analyze a document",
      "@odata.type": "#Microsoft.Skills.Util.ContentUnderstandingSkill",
      "context": "/document",
      "extractionOptions": ["images", "locationMetadata"],
      "chunkingProperties": {     
          "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" 
        } 
      ]
    }
  ]
}

Saída da amostra

{
  "text_sections": [
      {
        "id": "1_d4545398-8df1-409f-acbb-f605d851ae85",
        "content": "What is Azure Content Understanding (preview)?09/16/2025Important· Azure Al Content Understanding is available in preview. Public preview releases provide early access to features that are in active development.· Features, approaches, and processes can change or have limited capabilities, before General Availability (GA).. For more information, see Supplemental Terms of Use for Microsoft Azure PreviewsAzure Content Understanding is a Foundry Tool that uses generative AI to process/ingest content of many types (documents, images, videos, and audio) into a user-defined output format.Content Understanding offers a streamlined process to reason over large amounts of unstructured data, accelerating time-to-value by generating an output that can be integrated into automation and analytical workflows.<figure>\n\nInputs\n\nAnalyzers\n\nOutput\n\n0\nSearch\n\nContent Extraction\n\nField Extraction\n\nDocuments\n\nNew\n\nAgents\n\nPreprocessing\n\nEnrichments\n\nReasoning\n\nImage\n\nNormalization\n(resolution,\nformats)\n\nSpeaker\nrecognition\n\nGen Al\nContext\nwindows\n\nPostprocessing\nConfidence\nscores\nGrounding\nNormalization\n\nMulti-file input\nReference data\n\nDatabases\n\nVideo\n\nOrientation /\nde-skew\n\nLayout and\nstructure\n\nPrompt tuning\n\nStructured\noutput\n\nAudio\n\nFace grouping\n\nMarkdown or JSON schema\n\nCopilots\n\nApps\n\n\\+\n\nFaurIC\n\n</figure>",
        "locationMetadata": {
          "pageNumberFrom": 1,
          "pageNumberTo": 1,
          "ordinalPosition": 0,
          "source": "D(1,0.6348,0.3598,7.2258,0.3805,7.223,1.2662,0.632,1.2455);D(1,0.6334,1.3758,1.3896,1.3738,1.39,1.5401,0.6338,1.542);D(1,0.8104,2.0716,1.8137,2.0692,1.8142,2.2669,0.8109,2.2693);D(1,1.0228,2.5023,7.6222,2.5029,7.6221,3.0075,1.0228,3.0069);D(1,1.0216,3.1121,7.3414,3.1057,7.342,3.6101,1.0221,3.6165);D(1,1.0219,3.7145,7.436,3.7048,7.4362,3.9006,1.0222,3.9103);D(1,0.6303,4.3295,7.7875,4.3236,7.7879,4.812,0.6307,4.8179);D(1,0.6304,5.0295,7.8065,5.0303,7.8064,5.7858,0.6303,5.7849);D(1,0.635,5.9572,7.8544,5.9573,7.8562,8.6971,0.6363,8.6968);D(1,0.6381,9.1451,5.2731,9.1476,5.2729,9.4829,0.6379,9.4803)"
        }
      },
      ...
      {
        "id": "2_e0e57fd4-e835-4879-8532-73a415e47b0b",
        "content": "<table>\n<tr>\n<th>Application</th>\n<th>Description</th>\n</tr>\n<tr>\n<td>Post-call analytics</td>\n<td>Businesses and call centers can generate insights from call recordings to track key KPIs, improve product experience, generate business insights, create differentiated customer experiences, and answer queries faster and more accurately.</td>\n</tr>\n<tr>\n<th>Application</th>\n<th>Description</th>\n</tr>\n<tr>\n<td>Media asset management</td>\n<td>Software and media vendors can use Content Understanding to extract richer, targeted information from videos for media asset management solutions.</td>\n</tr>\n<tr>\n<td>Tax automation</td>\n<td>Tax preparation companies can use Content Understanding to generate a unified view of information from various documents and create comprehensive tax returns.</td>\n</tr>\n<tr>\n<td>Chart understanding</td>\n<td>Businesses can enhance chart understanding by automating the analysis and interpretation of various types of charts and diagrams using Content Understanding.</td>\n</tr>\n<tr>\n<td>Mortgage application processing</td>\n<td>Analyze supplementary supporting documentation and mortgage applications to determine whether a prospective home buyer provided all the necessary documentation to secure a mortgage.</td>\n</tr>\n<tr>\n<td>Invoice contract verification</td>\n<td>Review invoices and contr",
        "locationMetadata": {
          "pageNumberFrom": 2,
          "pageNumberTo": 3,
          "ordinalPosition": 3,
          "source": "D(2,0.6438,9.2645,7.8576,9.2649,7.8565,10.5199,0.6434,10.5194);D(3,0.6494,0.3919,7.8649,0.3929,7.8639,4.3254,0.6485,4.3232)"
        }
        ...
      }
    ],
    "normalized_images": [
        { 
            "id": "1_335140f1-9d31-4507-8916-2cde758639cb", 
            "data": "aW1hZ2UgMSBkYXRh", 
            "imagePath": "aHR0cHM6Ly9henNyb2xsaW5nLmJsb2IuY29yZS53aW5kb3dzLm5ldC9tdWx0aW1vZGFsaXR5L0NVLnBkZg2/normalized_images_0.jpg",  
            "locationMetadata": {
              "pageNumberFrom": 1,
              "pageNumberTo": 1,
              "ordinalPosition": 0,
              "source": "D(1,0.635,5.9572,7.8544,5.9573,7.8562,8.6971,0.6363,8.6968)"
            }
        },
        { 
            "id": "3_699d33ac-1a1b-4015-9cbd-eb8bfff2e6b4", 
            "data": "aW1hZ2UgMiBkYXRh", 
            "imagePath": "aHR0cHM6Ly9henNyb2xsaW5nLmJsb2IuY29yZS53aW5kb3dzLm5ldC9tdWx0aW1vZGFsaXR5L0NVLnBkZg2/normalized_images_1.jpg",  
            "locationMetadata": {
              "pageNumberFrom": 3,
              "pageNumberTo": 3,
              "ordinalPosition": 1,
              "source": "D(3,0.6353,5.2142,7.8428,5.218,7.8443,8.4631,0.6363,8.4594)"
            } 
        }
    ] 
}

locationMetadata baseia-se na propriedade source fornecida pela Azure Content Understanding. Para informações sobre como a posição visual do elemento no ficheiro é codificada, veja Análise de documentos: Extrair conteúdo estruturado.

imagePath representa o caminho relativo de uma imagem armazenada. Se a projeção do ficheiro do armazenamento de conhecimento estiver configurada no conjunto de habilidades, este caminho corresponde ao caminho relativo da imagem armazenada no armazenamento de conhecimento.

Exemplo 2: Fragmentação semântica com descrição da imagem (pré-visualização)

Este exemplo, disponível a partir da 2026-05-01-preview API REST, utiliza fragmentação semântica e produz descrições geradas por IA de imagens, gráficos e diagramas incorporados. O recurso da Foundry associado ao conjunto de competências deve ter o modelo de conclusão de chat identificado por modelName e o conjunto de habilidades implementado modelDeployment.

{
  "skills": [
    {
      "description": "Extract and chunk document content with image descriptions",
      "@odata.type": "#Microsoft.Skills.Util.ContentUnderstandingSkill",
      "context": "/document",
      "modelName": "gpt-4.1",
      "modelDeployment": "myGpt41Deployment",
      "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"
        }
      ]
    }
  ]
}

Com a fragmentação semântica, cada bloco contém text_sections conteúdo Markdown que inclui descrições geradas por IA de quaisquer figuras e tabelas que cobre. Quando um bloco se sobrepõe a um ou mais intervalos de figura, o objeto do bloco inclui também um imagePath campo que lista os caminhos correspondentes da imagem:

{
  "id": "1_d4545398-8df1-409f-acbb-f605d851ae85",
  "content": "# Architecture overview\n\nThe following diagram summarizes the ingestion pipeline...\n\n<figure>The diagram shows three stages: Inputs, Analyzers, and Output. Inputs include documents, images, video, and audio. Analyzers perform preprocessing, enrichments, and reasoning. Output is structured Markdown or JSON consumed by search, agents, copilots, and apps.</figure>",
  "locationMetadata": {
    "pageNumberFrom": 1,
    "pageNumberTo": 1,
    "ordinalPosition": 0,
    "source": "D(1,0.6348,0.3598,7.2258,0.3805,7.223,1.2662,0.632,1.2455)"
  },
  "imagePath": "aHR0cHM6Ly9henNyb2xsaW5nLmJsb2IuY29yZS53aW5kb3dzLm5ldC9tdWx0aW1vZGFsaXR5L0NVLnBkZg2/normalized_images_0.jpg"
}

Conteúdo relacionado

• O que é Azure Compreensão de Conteúdo nas Ferramentas da Foundry?
• Competências incorporadas
• Crie um conjunto de competências
• Indexadores - Create (API REST)