Para selecionar um serviço, escreva uma frase com a entrada e o resultado: "áudio para texto", "foto para objetos localizados" ou "fatura para campos".
Objetivos: Escolha linguagem, fala, visão e compreensão Documento; reconhecimento de suas partidas; para interpretar modelos personalizados e notas; e seguindo uma demonstração sem confundir uma antiga interface com as capacidades atuais.
Conceitos de Chave
| Serviço | Típico Entrada | Partida ou tarefa |
|---|---|---|
| Linguagem | Texto | Língua, entidades, temas, sentimentos, frases-chave ou tradução |
| Discurso. | Áudio ou vídeo com uma voz | Transcrição e Marcas Temporárias |
| Visão | Imagens ou vídeo | Classificação, detecção e localização visual |
| Document Understanding | Documentos e imagens de documentos | Texto, campos, tabelas e tipo de documento |
Eles estão disponíveis atualmente com apis e outras interfaces OCI. Uma saída vem com estrutura e, dependendo da operação, confiança ou coordenadas. Você tem que verificar campos, qualidade e permissões antes de inseri-los em um processo.
Linguagem e Discurso
Linguagem Detecta a linguagem, remove as entidades.NER), identifica frases-chave, classifica temas e analisa sentimentos. Em "A reparação foi boa, mas a entrega demorou muito", o sentimento pela aparência separa a reparação e a rendição. Não precisa ser reduzido a uma única avaliação.
Os modelos personalizados permitem que eles adaptem classificação e NER às suas próprias categorias com exemplos marcados. Detecção de PII o PHI ajuda a identificar informações pessoais ou de saúde; O fluxo deve decidir como mascarar, retirar ou proteger o que foi encontrado. Health NLP remove entidades e relações clínicas: não transforme automaticamente esses dados em um diagnóstico validado.
Discurso. Use a ASR. A job processa arquivos assíncronos e escreve resultados para Object Storage. Live Transcribe assiste áudio em tempo real. JSON permite processar texto e metadados. SRT É para legendas. O Normalização. representa números ou datas legíveis, enquanto o Diarrização A diferença de turnos de palestrantes, não prova sua identidade civil.
um filtro de linguagem ofensivo pode remover, máscara ou etiqueta Tag. Ele mantém sua palavra com uma marca. Cheque a confiança e as notas de áudio se houver dúvida. Línguas e funções dependem do modelo: Oracle ASR e Whisper têm coberturas diferentes e uma lista antiga não é suficiente para descartar uma língua. Consulta la Documentação atual do discurso.
Visão e compreensão de Documento
Em Vision, Classificação de fotos. Atribua rótulos para a cena. Detecção de objetos adiciona caixas delimitadoras para colocar instâncias. OCR Reconhece o texto visível. Enfrentar Localiza rostos; Isso não significa identificar pessoas. Se o objeto do seu domínio não faz parte das categorias pré-treinadas, avalie um modelo personalizado e dados marcados.
Na compreensão do documento, Extração de texto retorna palavras e linhas com localização. Extração tabelas Mantém linhas e colunas; Extração do valor do cravo Links campos como fornecedor, data e total Classificação documental identificar tipos como uma fatura ou recibo.
Alguns filmes antigos e scills foram mostrados com o documento IA dentro da visão. Para extrair a estrutura documental, este guia usa o serviço de hoje. Document Understanding, de acordo com o seu documentação. Não aprenda essa associação histórica como regra permanente.
Exemplo passo a passo
O arquivo de reparo A contém uma chamada, uma foto do equipamento e uma fatura.
- A fala transforma as palavras chamada de baixa confiança que mudam o significado do problema.
- A linguagem categoriza o texto e distingue o sentimento sobre cuidados e reparos.
- A visão localiza os componentes das fotos se o modelo os reconhecer. Documentá-los quando não forem identificados.
- Documento Understanding classifica a fatura e remove campos e linhas de mesa.
- O pedido verifica que quantidade, preços e impostos explicam o total antes do registro das despesas.
No console, inspecione resultados estruturados, bem como etiquetas sobre imagem. A ler mal selo ou texto pode acabar em uma coluna errada: que o solicitação terminar corretamente não prova que cada campo está correto.
Erros comuns.
- Escolha Linguagem diretamente para um arquivo de áudio sem transcrevê-lo.
- Para fundir caixas de detecção com classificação geral de imagem.
- Para fundir OCR com uma extração de links entre linhas, colunas e chaves.
- Dizer que um modelo predefinido reconhece todos os objetos da sua indústria.
- Usando alta pontuação como uma aprovação automática da fatura.
Exercício de seleção.
Você precisa de legendas para uma gravação, colocar três equipamentos em uma foto e recuperar quantidade e preço de cada linha de uma fatura. O que você vestiria?
Solução
Discurso com saída SRT para legendas; Visão com detecção de objetos para localização Documento Compreensão com extração tabelas para linhas e colunas. Se você também precisa de fornecedor e total como campos, adicione extração de valor de carne. OCR só devolve o texto e sua localização. Não é uma garantia de estrutura tabular adequada.
Fontes e revisão
Consulta Linguagem, Visão e o discurso anterior e as fontes de compreensão Documento. Repita as manifestações em: MeuAprender descrevendo o que cada campo de resposta representa.