Per selezionare un servizio, scrivere una frase con l'entrata e il risultato: "audio al testo", "foto agli oggetti localizzati" o "fattura ai campi".
Obiettivi: scegliere Lingua, Discorso, Visione e comprensione Documento; riconoscimento delle loro partenze; interpretare modelli e punteggi personalizzati; e seguendo una dimostrazione senza confondere una vecchia interfaccia con le capacità attuali.
Concetti Chiave
| Servizio | Tipico Input | Partenza o attività |
|---|---|---|
| Lingua | Testo | Lingua, entità, temi, sentimenti, frasi chiave o traduzione |
| Discorso | Audio o video con voce | Trascrizione e Marchi temporanei |
| Visione | Immagini o video | Classificazione, rilevamento e posizione visiva |
| Comprensione Documento | Documenti e immagini dei documenti | Testo, campi, tabelle e tipo di documento |
Attualmente sono disponibili con apis e altre interfacce OCI. Un output è dotato di struttura e, a seconda del funzionamento, fiducia o coordinate. È necessario controllare i campi, la qualità e autorizzazioni prima di inserirli in un processo.
Lingua e discorso
Lingua rileva la lingua, rimuove le entità (NER), identifica le frasi chiave, classifica i temi e analizza i sentimenti. In "La riparazione era buona, ma la consegna ha richiesto troppo tempo," la sensazione per apparenza separa la riparazione e la resa. Non deve essere ridotto ad un'unica valutazione.
I modelli personalizzati permettono loro di adattare la classificazione e NER alle loro categorie con esempi taggati. Rilevamento PIÙ o PHI aiuta a identificare le informazioni personali o sanitarie; Il flusso dovrebbe decidere come mascherare, ritirare o proteggere ciò che è stato trovato. Health NLP rimuove le entità e le relazioni cliniche: non trasformate automaticamente questi dati in una diagnosi convalidata.
Discorso utilizzare ASR. A job elabora file asincroni e scrive risultati a Object Storage. Live Transcribe frequenta l'audio in tempo reale. JSON consente di elaborare testo e metadati. SRT E' per i sottotitoli. The standardizzazione rappresenta numeri o date leggibili, mentre Disturbo la differenza dei turni di oratore, non dimostra la sua identità civile.
un filtro linguistico offensivo può rimuovere, mascherare o etichetta tag taggati Mantiene la sua parola con un segno. Controllare la fiducia e i punteggi audio se c'è un dubbio. Le lingue e le funzioni dipendono dal modello: Oracle ASR e Whisper hanno rivestimenti diversi e una vecchia lista non è sufficiente per escludere una lingua. Query Documentazione attuale del discorso.
Visione e comprensione Documento
A Vision, classificazione delle foto assegnare etichette alla scena. Rilevamento oggetti aggiunge le caselle di delimitazione per posizionare le istanze. OCR riconosce il testo visibile. Affrontare individua i volti; Non significa identificare le persone. Se l'oggetto del tuo dominio non fa parte delle categorie pre-trainate, valuta un modello personalizzato e contrassegna i dati.
Alla comprensione del documento, estrazione del testo restituisce parole e linee con la posizione. Estrazione tabelle contiene righe e colonne; estrazione del valore del garofano link campi come fornitore, data e totale Classificazione documentale identificare i tipi come fattura o ricevuta.
Alcuni vecchi film e scillanti sono stati mostrati con documento IA all'interno della visione. Per estrarre la struttura documentaria, questa guida utilizza il servizio di oggi Comprensione Documento, secondo il suo documentazione. Non imparare quell'associazione storica come regola permanente.
Esempio guidato
Il file di riparazione A contiene una chiamata, una foto dell'apparecchiatura e una fattura.
- Speech trasforma le parole di recensione chiamata di bassa fiducia che cambiano il significato del problema.
- La lingua classifica il testo e distingue la sensazione di cura e riparazione.
- Vision individua i componenti fotografici se il modello li riconosce. documentarli quando non sono identificati.
- Documento Comprensione classifica la fattura e rimuove i campi e le linee della tabella.
- La domanda verifica la quantità, i prezzi e le imposte spiegano il totale prima della registrazione delle spese.
In console, ispezionare il risultato strutturato e le etichette su immagine. A guarnizione sbagliata o testo può finire in una colonna sbagliata: che la finitura richiesta correttamente non dimostra che ogni campo è corretto.
Errori comuni
- Scegli la lingua direttamente per un file audio senza transcribing.
- Per unire scatole di rilevamento con classificazione generale di immagine.
- Per unire OCR con un'estrazione di collegamenti tra righe, colonne e chiavi.
- Per dire che un modello preimpostato riconosce tutti gli oggetti del vostro settore.
- Usando il punteggio alto come approvazione automatica della fattura.
Esercizio Selezione
È necessario sottotitoli per una registrazione, posizionare tre apparecchiature in una foto e recuperare la quantità e il prezzo da ogni riga di una fattura. Cosa indossi?
Soluzione
Discorso con uscita SRT per sottotitoli; Visione con rilevamento di oggetti per la posizione Documento Comprensione con estrazione tabelle per righe e colonne. Se avete anche bisogno di fornitore e totale come campi, aggiungere l'estrazione del valore della carne. OCR restituisce solo il testo e la sua posizione. Non è una garanzia di una corretta struttura tabulare.
Fonti e recensioni
Query Lingua, Visione e le precedenti fonti di comprensione Speech e Documento. Ripetere le manifestazioni a MyLearning descrivendo ciò che ogni campo di risposta rappresenta.