Modelos de procesamiento de documentos

Importante

• Las versiones preliminares públicas de Documento de inteligencia proporcionan acceso anticipado a las características que están en desarrollo activo. Antes de la disponibilidad general (GA), las características, los enfoques y los procesos podrían cambiar en función de los comentarios de los usuarios.
• La versión preliminar pública de las bibliotecas cliente de Documento de inteligencia tiene como valor predeterminado la versión de la API de REST 2024-07-31-preview.
• La versión preliminar pública 2024-07-31-preview solo está disponible en las siguientes regiones de Azure. Tenga en cuenta que el modelo generativo personalizado (extracción de campos del documento) en AI Studio solo está disponible en la región Centro-norte de EE. UU.:
  • Este de EE. UU.
  • Oeste de EE. UU. 2
  • Oeste de Europa
  • Centro-Norte de EE. UU

Este contenido se aplica a: v4.0 (versión preliminar) | Versiones anteriores: v3.1 (GA) v3.0 (GA) v2.1 (GA)

Documento de inteligencia de Azure AI admite una amplia variedad de modelos que permiten agregar procesamiento inteligente de documentos a sus aplicaciones y flujos. Puede usar un modelo específico del dominio precompilado o entrenar un modelo personalizado adaptado a necesidades empresariales y casos de uso específicos. El Documento de inteligencia puede utilizarse con la API REST o las bibliotecas cliente Python, C#, Java y JavaScript.

Nota:

• Los proyectos de procesamiento de documentos que implican datos financieros, datos de salud protegidos, datos personales o datos altamente confidenciales requieren atención cuidadosa.
• Asegúrese de cumplir todos los requisitos nacionales o regionales y específicos del sector.

Introducción al modelo

En la tabla siguiente se muestran los modelos disponibles para cada versión preliminar actual y la API estable:

Tipo de modelo	Modelo	• 2024-02-29-preview • 2023-10-31-preview	2023-07-31 (GA)	2022-08-31 (GA)	v2.1 (GA)
Modelos de análisis de documentos	Leer	✔️	✔️	✔️	N/D
Modelos de análisis de documentos	Diseño	✔️	✔️	✔️	✔️
Modelos de análisis de documentos	Documento general	movido al diseño**	✔️	✔️	N/D
Modelos creados previamente	Cheque bancario	✔️	N/D	n/d	N/D
Modelos creados previamente	Extracto bancario	✔️	N/D	n/d	N/D
Modelos creados previamente	Paystub	✔️	N/D	n/d	N/D
Modelos creados previamente	Contrato	✔️	✔️	N/D	N/D
Modelos creados previamente	Tarjeta de seguro de salud	✔️	✔️	✔️	N/D
Modelos creados previamente	Documento de identificación	✔️	✔️	✔️	✔️
Modelos creados previamente	Factura	✔️	✔️	✔️	✔️
Modelos creados previamente	Recibo	✔️	✔️	✔️	✔️
Modelos creados previamente	Impuestos unificados de Estados Unidos*	✔️	N/D	n/d	N/D
Modelos creados previamente	US 1040 Tax*	✔️	✔️	N/D	N/D
Modelos creados previamente	US 1098 Tax	✔️	N/D	n/d	N/D
Modelos creados previamente	US 1099 Tax	✔️	N/D	n/d	N/D
Modelos creados previamente	US W2 Tax	✔️	✔️	✔️	N/D
Modelos creados previamente	Hipoteca estadounidense 1003 URLA	✔️	N/D	n/d	N/D
Modelos creados previamente	Hipoteca estadounidense 1004 URAR	✔️	N/D	n/d	N/D
Modelos creados previamente	Hipoteca estadounidense 1005	✔️	N/D	n/d	N/D
Modelos creados previamente	resumen de la hipoteca de EE. UU. 1008	✔️	N/D	n/d	N/D
Modelos creados previamente	Declaración de cierre de hipotecas estadounidenses	✔️	N/D	n/d	N/D
Modelos creados previamente	Certificado de matrimonio	✔️	N/D	n/d	N/D
Modelos creados previamente	Tarjeta de crédito	✔️	N/D	n/d	N/D
Modelos creados previamente	Tarjeta de presentación	deprecated	✔️	✔️	✔️
Modelos de clasificación personalizados	Clasificador personalizado	✔️	✔️	N/D	N/D
Modelo generativo personalizado	Modelo generativo personalizado	✔️	N/D	n/d	N/D
Modelos de extracción personalizados	Neuronal personalizado	✔️	✔️	✔️	N/D
Modelo de extracción personalizado	Plantilla personalizada	✔️	✔️	✔️	✔️
Modelos de extracción personalizados	Compuesto personalizado	✔️	✔️	✔️	✔️
Todos los modelos	Funcionalidades de complementos	✔️	✔️	N/D	N/D

* - Contiene submodelos. Consulte la información específica del modelo para ver las variaciones y subtipos admitidos.

Latencia

La latencia se define como la cantidad de tiempo que tarda un servidor de API en controlar y procesar una solicitud entrante y entregar la respuesta saliente al cliente. El tiempo para analizar un documento depende del tamaño (por ejemplo, el número de páginas) y del contenido asociado en cada página. La inteligencia de documentos es un servicio multiinquilino en el que la latencia de documentos similares es comparable pero no siempre idéntica. La variabilidad ocasional en la latencia y el rendimiento es inherente a cualquier servicio asincrónico, sin estado y basado en microservicios que procese imágenes y documentos grandes a escala. Aunque estamos escalando continuamente las funcionalidades de hardware y capacidad y escalado, es posible que todavía tenga problemas de latencia en tiempo de ejecución.

Capacidad del complemento	Complemento/gratis	• 2024-02-29-preview &bullet [2023-10-31-preview](/rest/api/aiservices/operation-groups?view=rest-aiservices-v4.0%20(2024-07-31-preview)&preserve-view=true	2023-07-31 (GA)	2022-08-31 (GA)	v2.1 (GA)
Extracción de propiedades de fuente	Complemento	✔️	✔️	N/D	N/D
Extracción de fórmulas	Complemento	✔️	✔️	N/D	N/D
Extracción de alta resolución	Complemento	✔️	✔️	N/D	N/D
Extracción de códigos de barras	Gratuito	✔️	✔️	N/D	N/D
Detección de idioma	Gratuito	✔️	✔️	N/D	N/D
Pares clave-valor	Gratuito	✔️	N/D	n/d	N/D
Campos de consulta	Complemento*	✔️	N/D	n/d	N/D
PDF que se puede buscar	Complemento*	✔️	N/D	n/d	N/D

Características del análisis de modelos

Id. de modelo	Extracción de contenido	Campos de consulta	Párrafos	Roles de párrafo	Marcas de selección	Tablas	Pares clave de valor	Idiomas	Códigos de barras	Análisis de documentos	Fórmulas*	Fuente de estilo*	Alta resolución*	PDF que se puede buscar
prebuilt-read	✓		✓					O	O		O	O	O	✓
diseño preelaborado	✓	✓	✓	✓	✓	✓		O	O		O	O	O
prebuilt-document	✓	✓	✓	✓	✓	✓	✓	O	O		O	O	O
prebuilt-businessCard	✓	✓								✓
contrato precompilado	✓	✓	✓	✓			O	O	✓	✓	O	O
prebuilt-healthInsuranceCard.us	✓	✓						O	O	✓	O	O	O
prebuilt-idDocument	✓	✓						O	O	✓	O	O	O
prebuilt-invoice	✓	✓			✓	✓	O	O	O	✓	O	O	O
Recibo precompilado	✓	✓						O	O	✓	O	O	O
prebuilt-marriageCertificate.us	✓	✓						O	O	✓	O	O	O
prebuilt-creditCard	✓	✓						O	O	✓	O	O	O
prebuilt-check.us	✓	✓						O	O	✓	O	O	O
prebuilt-payStub.us	✓	✓						O	O	✓	O	O	O
prebuilt-bankStatement	✓	✓						O	O	✓	O	O	O
prebuilt-mortgage.us.1003	✓	✓						O	O	✓	O	O	O
prebuilt-mortgage.us.1004	✓	✓						O	O	✓	O	O	O
prebuilt-mortgage.us.1005	✓	✓						O	O	✓	O	O	O
prebuilt-mortgage.us.1008	✓	✓						O	O	✓	O	O	O
prebuilt-mortgage.us.closingDisclosure	✓	✓						O	O	✓	O	O	O
prebuilt-tax.us	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.w2	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1098	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1098E	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1098T	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1099(variaciones)	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1040(variations)	✓	✓						O	O	✓	O	O	O
{ customModelName }	✓	✓	✓	✓	✓	✓		O	O	✓	O	O	O

✓ - Habilitado
O: Opcional
* - Las características Premium incurren en costos adicionales

Complemento*: los campos de consulta tienen un precio diferente al de las otras características del complemento. Consulte Precios para obtener detalles.

Coordenadas de rectángulo de selección y polígono

Un rectángulo de selección (polygon en v3.0 y versiones posteriores) es un rectángulo abstracto que rodea los elementos de texto de un documento que se usa como punto de referencia para la detección de objetos.

• El cuadro delimitador especifica la posición usando un plano de coordenadas x e y presentado en una matriz de cuatro pares numéricos. Cada par representa una esquina del cuadro en el orden siguiente: superior izquierda, superior derecha, inferior derecha, inferior izquierda.

• Las coordenadas de imagen se presentan en píxeles. Para un PDF, las coordenadas se presentan en pulgadas.

Para todos los modelos, excepto el modelo de tarjeta de presentación, Documento de inteligencia ahora admite funcionalidades de complemento para permitir un análisis más sofisticado. Estas funcionalidades opcionales se pueden habilitar y deshabilitar según el escenario de extracción de documentos. Hay cuatro funcionalidades de complemento disponibles para la versión de API 2023-07-31 (GA) y posteriores:

• ocrHighResolution
• formulas
• styleFont
• barcodes
• languages
• keyValuePairs (2024-02-29-preview, 2023-10-31-preview)
• queryFields (2024-02-29-preview, 2023-10-31-preview) Not available with the US.Tax models
• searchablePDF (2024-07-31-preview) Only available for Read Model

Compatibilidad con idiomas

Los modelos universales basados en aprendizaje profundo de Documento de inteligencia admiten muchos idiomas que pueden extraer texto multilingüe de sus imágenes y documentos, incluidas líneas de texto con idiomas mixtos. La compatibilidad con los idiomas varía según la funcionalidad del servicio de Documento de inteligencia. Para obtener una lista completa, consulte los siguientes artículos:

• Compatibilidad con lenguaje: modelos de análisis de documentos
• Compatibilidad con lenguajes: modelos precompilados
• Compatibilidad de idioma: modelos personalizados

Disponibilidad regional

Documento de inteligencia está disponible con carácter general en muchas de las más de 60 regiones de infraestructura global de Azure.

Para obtener más información, consulte nuestra página de geografías de Azure para ayudar a elegir la región que mejor se adapte a usted y a sus clientes.

Detalles del modelo

En esta sección se describe la salida que puede esperar de cada modelo. Puede ampliar la salida de la mayoría de los modelos con características de complementos.

Lectura de OCR

Read API analiza y extrae líneas, palabras, sus ubicaciones, idiomas detectados y estilo manuscrito si se detecta.

Documento de ejemplo procesado con Studio de Documento de inteligencia:

Más información: modelo de lectura

Análisis de diseño

El modelo de análisis diseño analiza y extrae texto, tablas, marcas de selección y otros elementos de estructura, como títulos, encabezados de sección, encabezados de página, pies de página, etc.

Documento de ejemplo procesado con Studio de Documento de inteligencia:

Más información: modelo de diseño

Tarjeta de seguro de salud

El modelo de tarjeta de seguro de salud combina funcionalidades de reconocimiento óptico de caracteres (OCR) eficaces con modelos de aprendizaje profundo para analizar y extraer información clave de imágenes de tarjetas de seguro de salud de EE. UU.

Tarjeta de seguro de salud de EE. UU. procesada con Studio de Documento de inteligencia:

Más información: Modelo de tarjeta de seguro de salud

Documentos fiscales de EE. UU.

Los modelos de documentos fiscales de Estados Unidos analizan y extraen campos clave y elementos de línea de un grupo seleccionado de documentos fiscales. La API admite el análisis de documentos fiscales estadounidenses en inglés de varios formatos y calidad, incluidas imágenes capturadas por teléfono, documentos digitales y PDF digitales. Actualmente se admiten los siguientes modelos:

Modelo	Descripción	ModelID
US Tax W-2	Extracción de los detalles de compensación gravable.	prebuilt-tax.us.w2
US Tax 1040	Extracción de los detalles de interés de la hipoteca.	prebuilt-tax.us.1040(Variaciones)
US Tax 1098	Extracción de los detalles de interés de la hipoteca.	prebuilt-tax.us.1098(Variaciones)
US Tax 1099	Extraiga los ingresos percibidos de fuentes distintas al empleador.	prebuilt-tax.us.1099(variaciones)

Documento W-2 de ejemplo procesado con Studio de Documento de inteligencia:

Más información: Modelos de documentos fiscales

Documentos hipotecarios estadounidenses

Los modelos de documentos de hipotecas estadounidenses analizan y extraen campos clave, incluidos la información sobre prestatarios, préstamos y propiedades de un grupo selecto de documentos de hipotecas. La API admite el análisis de documentos hipotecarios estadounidenses en inglés de diversos formatos y calidad, incluidas imágenes captadas por teléfono, documentos escaneados y PDF digitales. Actualmente se admiten los siguientes modelos:

Modelo	Descripción	ModelID
Contrato de licencia de usuario final (CLUF) 1003	Extraer préstamo, prestatario, detalles de la propiedad.	prebuilt-mortgage.us.1003
Resumen del documento 1008	Extraiga detalles de prestatario, vendedor, propiedad, hipoteca y suscripción.	prebuilt-mortgage.us.1008
Declaración de cierre	Extraiga detalles de cierre, costos de transacción y préstamo.	prebuilt-mortgage.us.closingDisclosure
Certificado de matrimonio	Extraiga los detalles de la información del matrimonio para los solicitantes de préstamos conjuntos.	prebuilt-marriageCertificate
US Tax W-2	Extraiga los detalles de la compensación imponible para la verificación de los ingresos.	prebuilt-tax.us.w2

Documento de divulgación de cierre de ejemplo procesado mediante Documento de inteligencia Studio:

Más información: modelos de documentos hipotecarios

Contrato

El modelo de contrato analiza y extrae campos clave y elementos de línea de contratos, como las partes implicadas, jurisdicciones, identificador de contrato y título. El modelo admite actualmente documentos de contratos en inglés.

Contrato de ejemplo procesado con Document Intelligence Studio:

Más información: modelo de contratos

Factura

El modelo de factura automatiza el procesamiento de las facturas para extraer el nombre del cliente, la dirección de facturación, la fecha de vencimiento y el importe adeudado, las partidas y otros datos clave. Actualmente, el modelo admite facturas inglesas, españolas, alemanas, francesas, italianas, portuguesas y holandesas.

Recibo de ejemplo procesado con Studio de Documento de inteligencia:

Más información: modelo de factura

Recibo

Use el modelo de recibos para escanear los recibos de ventas en busca del nombre del comerciante, fechas, partidas, cantidades y totales de los recibos impresos y escritos a mano. La versión 3.0 también admite el procesamiento de recibos de hotel de página única.

Recibo de ejemplo procesado con Studio de Documento de inteligencia:

Más información: modelo de recibo

Documento de identidad (id.)

Use el modelo de documento de identidad (ID) para procesar las licencias de conducir de EE. UU. (los 50 estados y el Distrito de Columbia) y las páginas biográficas de los pasaportes internacionales (excepto visados y otros documentos de viaje) para extraer los campos clave.

Licencia de conducir de EE. UU. de ejemplo procesada con Studio de Documento de inteligencia:

Más información: modelo de documento de identidad

Certificado de matrimonio

Use el modelo de certificado de matrimonio para procesar los certificados de matrimonio estadounidenses y extraer los campos clave, incluidos los individuos, la fecha y la ubicación.

Muestra de certificado de matrimonio estadounidense procesado usando Documento de inteligencia Studio:

Más información: modelo de documento de identidad

Tarjeta de crédito

Use el modelo de tarjeta de crédito para procesar tarjetas de crédito y débito para extraer campos clave.

Tarjeta de crédito de ejemplo procesada mediante Documento de inteligencia Studio:

Más información: modelo de documento de identidad

Modelos personalizados

Los modelos personalizados se pueden clasificar ampliamente en dos tipos. Modelos de clasificación personalizados que admiten la clasificación de un "tipo de documento" y modelos de extracción personalizados que pueden extraer un esquema definido de un tipo de documento específico.

Los modelos de documentos personalizados analizan y extraen datos de formularios y documentos específicos de su empresa. Reconocen campos de formulario dentro de su contenido distintivo y extraen pares clave-valor y datos de tabla. Solo necesita un ejemplo del tipo de formulario para empezar.

La versión v3.0 y los modelos personalizados posteriores admiten la detección de firmas en plantillas personalizadas (formulario) y tablas entre páginas en modelos neuronales y de plantilla. detección de firmas busca la presencia de una firma, no la identidad de la persona que firma el documento. Si el modelo devuelve sin firmar para la detección de firmas, significa que el modelo no encontró una firma en el campo definido.

Plantilla personalizada de ejemplo procesada con Studio de Documento de inteligencia:

Más información: modelo personalizado

Extracción personalizada

Los modelos de extracción personalizados pueden ser de uno de estos dos tipos: modelo de plantilla personalizado o modelo neuronal personalizado. Para crear un modelo de extracción personalizado, etiquete un conjunto de datos de documentos con los valores que desea extraer y entrene el modelo en el conjunto de datos etiquetado. Solo necesita cinco ejemplos del mismo tipo de formulario o documento para empezar.

Extracción personalizada de ejemplo procesada con Studio de Documento de inteligencia:

Más información: modelo de plantilla personalizado

Más información: modelo neuronal personalizado

Clasificador personalizado

El modelo de clasificación personalizado permite identificar el tipo de documento antes de invocar el modelo de extracción. El modelo de clasificación está disponible a partir de la API 2023-07-31 (GA). El entrenamiento de un modelo de clasificación personalizado requiere al menos dos clases distintas y un mínimo de cinco muestras por clase.

Más información: modelo de clasificación personalizado

Modelos compuestos

Un modelo compuesto se crea tomando una colección de modelos personalizados y asignándolos a un único modelo creado a partir de los tipos de formulario. Puede asignar varios modelos personalizados a un modelo compuesto llamado con un único identificador de modelo. Puede asignar hasta 200 modelos personalizados entrenados para un único modelo compuesto.

Ventana de diálogo de modelos compuestos en Studio de Documento de inteligencia:

Más información: modelo personalizado

Requisitos de entrada

• Formatos de archivos admitidos:

  Modelo	PDF	Imagen: JPEG/JPG, PNG, BMP, TIFF, HEIF	Microsoft Office: Word (DOCX), Excel (XLSX), PowerPoint (PPTX), HTML
  Leer	✔	✔	✔
  Layout	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview, 2023-10-31-preview)
  Documento general	✔	✔
  Creada previamente	✔	✔
  Extracción personalizada	✔	✔
  Clasificación personalizada	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview)

• Para obtener unos resultados óptimos, proporcione una foto clara o una digitalización de alta calidad por documento.

• Para PDF y TIFF, se pueden procesar hasta 2000 páginas (con una suscripción de nivel gratis, solo se procesan las dos primeras páginas).

• El tamaño de archivo para analizar documentos es de 500 MB para el nivel de pago (S0) y de 4 MB para el nivel gratuito (F0).

• Las imágenes deben tener unas dimensiones entre 50 x 50 píxeles y 10 000 x 10 000 píxeles.

• Si los archivos PDF están bloqueados con contraseña, debe desbloquearlos antes de enviarlos.

• La altura mínima del texto que se va a extraer es de 12 píxeles para una imagen de 1024 x 768 píxeles. Esta dimensión corresponde aproximadamente a 8 puntos de texto a 150 puntos por pulgada (PPP).

• Para el entrenamiento de modelos personalizados, el número máximo de páginas para los datos de entrenamiento es 500 para el modelo de plantilla personalizada y 50 000 para el modelo neuronal personalizado.

  • Para el entrenamiento de modelos de extracción personalizados, el tamaño total de los datos de entrenamiento es de 50 MB para el modelo de plantilla y 1 GB para el modelo neuronal.

  • Para el entrenamiento del modelo de clasificación personalizada, el tamaño total de los datos de entrenamiento es de 1 GB con un máximo de 10 000 páginas. Para 2024-07-31-preview y versiones posteriores, el tamaño total de los datos de entrenamiento es de 2 GB con un máximo de 10 000 páginas.

Nota:

La herramienta de etiquetado de ejemplo no admite el formato de archivo BMP. Se trata de una limitación de la herramienta, no del servicio de Documento de inteligencia.

Migración de versión

Obtenga información sobre cómo usar Documento de inteligencia v3.0 en las aplicaciones siguiendo nuestra guía de migración de Documento de inteligencia v3.1

Pasos siguientes

• Pruebe a procesar sus propios formularios y documentos con Document Intelligence Studio.

• Complete el inicio rápido de Documento de inteligencia y empiece a crear una aplicación de procesamiento de documentos en el lenguaje de desarrollo que prefiera.