文件智慧服務一般文件模型

此內容適用於： v3.1 （GA） | 最新版本： v4.0 （GA） | 舊版： v3.0

此內容適用於： v3.0 （GA） | 最新版本： v4.0 （GA） v3.1

一般文件功能

• 一般文件模型是預先定型的模型；不需要標籤或定型。

• 單一 API 會從文件擷取機碼值組、選取標記、文字、資料表和結構。

• 一般文件模型支援結構化、半結構化和非結構化文件。

• 選取標記會識別為值為 :selected: 或 :unselected: 的欄位。

文件智慧服務工作室中處理的範例文件

機碼值組擷取

一般文件 API 支援大部分的表單類型，將分析文件並擷取索引鍵和相關值。 它非常適合從文件擷取常見的索引鍵/值組。 您可以使用一般文件模型來替代不使用標籤來定型的自訂模型。

開發選項

文件智慧服務 v3.1 支援下列工具、應用程式和程式庫：

文件智慧服務 v3.0 支援下列工具、應用程式和程式庫：

輸入需求

• 支援的檔案格式：

  模型	PDF	影像： JPEG/JPG、PNG、BMP、TIFF、HEIF	Microsoft Office： Word (DOCX)、Excel (XLSX)、PowerPoint (PPTX)、HTML
  參閱	✔	✔	✔
  版面配置	✔	✔	✔
  一般文件	✔	✔
  預建	✔	✔
  自訂擷取	✔	✔
  自訂分類	✔	✔	✔

• 若要得到最佳結果，請為每個文件提供一張清晰的照片或高畫質的掃描檔案。

• 若使用 PDF 和 TIFF，最多可處理 2,000 頁 (若使用免費層訂閱，則只會處理前兩頁)。

• 付費 (S0) 層分析文件的檔案大小為 500 MB，免費 (F0) 層則為 4 MB。

• 影像維度必須介於 50 像素 x 50 像素和 10,000 像素 x 10,000 像素之間。

• 如果您的 PDF 有密碼鎖定，則必須先移除鎖定才能提交。

• 針對 1024 x 768 像素影像的擷取文字高度下限為 12 像素。 此維度在 150 點/英吋 (DPI) 時大約相當於 8 點文字。

• 針對自訂模型定型，自訂範本模型的定型資料頁數上限為 500，而自訂神經網路模型的上限則為 50,000。

  • 對於自訂擷取模型定型，範本模型的定型資料大小總計為 50 MB，而神經模型的大小總計則為 1 GB。

  • 針對自訂分類模型定型，定型資料的大小總計為 1 GB (上限為 10,000 頁)。 對於 2024-11-30 （GA），訓練數據的總大小為 2 GB，最多 10,000 頁。

一般文件模型資料擷取

請嘗試使用文件智慧服務工作室來擷取表單和文件中的資料。

您需要下列資源：

• 一個 Azure 訂用帳戶 - 您可以建立一個免費訂用帳戶。

• Azure 入口網站中的 Document Intelligence 執行個體。 您可以使用免費定價層 (F0) 來試用服務。 部署資源後，選取 [前往資源] 以取得金鑰和端點。

1. 在文件智慧服務工作室首頁上，選取 [一般文件]。

2. 您可以分析範例文件，或上傳您自己的檔案。

3. 選取 [執行分析] 按鈕，如有必要，設定 [分析選項]：

   

   試用 Document Intelligence Studio。

索引鍵/值組

索引鍵/值組是文件內的特定範圍，其識別標籤或索引鍵，及其相關的回應或值。 在結構化表單中，這些組別可能是標籤，以及使用者為該欄位輸入的值。 在非結構化文件中，它們可能是根據段落中文字內容而得的合約執行日期。 AI 模型已經過定型，可以根據各種不同的文件類型、格式和結構來擷取可識別的索引鍵和值。

若模型偵測到索引鍵存在，且沒有相關聯的值或處理選用欄位時，索引鍵也可以單獨存在。 例如，在某些情況下，表單上的中間名欄位可以留空。 索引鍵/值組是文件中所包含的文字範圍。 若是文件對相同的值有不同的描述方式，例如客戶/使用者，則相關聯的關鍵為客戶或使用者，視前後文而定。

資料擷取

✓* - 僅適用於 2023-07-31 (v3.1 GA) 及更新版本的 API。

支援的語言和地區設定

如需支援語言的完整清單，請參閱我們的語言支援—文件分析模型頁面。

考量

• 因為索引鍵是從文件中擷取的文字範圍，所以對於半結構化文件，索引鍵需要對應到現有的索引鍵字典。

• 預期會看到帶有索引鍵的索引鍵/值組，但沒有值。 例如，如果使用者選擇不在表單上提供電子郵件地址。