請求書処理事前構築済み AI モデル
請求書を処理する事前構築済み AI モデルは、請求書の処理を自動化するために、主要な請求書データを抽出します。 請求書処理モデルは、請求書 ID、請求日、合計金額などの一般的な請求書要素を認識するように最適化されます。
請求書 モデルでは、カスタム請求書モデル を構築することで、既定の動作を拡張できます。
Power Apps で使用する
Power Apps での請求書処理の事前構築済みモデルの使用方法については、Power Apps で請求書処理の事前構築済みモデルを使用する に移動します。
Power Automate で使用する
Power Automate での請求書処理の事前構築済みモデルの使用方法については、Power Automate で請求書処理の事前構築済みモデルを使用する に移動します。
サポートされている言語とファイル
次の言語がサポートされています: アルバニア語 (アルバニア)、チェコ語 (チェコ共和国)、中国語 (簡体字) 中国、中国語 (繁体字) 香港特別行政区、中国語 (繁体字) 台湾、デンマーク語 (デンマーク)、クロアチア語 (ボスニア・ヘルツェゴビナ)、クロアチア語(クロアチア)、クロアチア語 (セルビア)、オランダ語 (オランダ)、英語 (オーストラリア)、英語 (カナダ)、英語 (インド)、英語 (英国)、英語 (米国)、エストニア語 (エストニア)、フィンランド語 (フィンランド)、フランス語 (フランス)、ドイツ語 (ドイツ)、ハンガリー語 (ハンガリー)、アイスランド語 (アイスランド)、イタリア語 (イタリア)、日本語 (日本)、韓国語 (韓国)、リトアニア語 (リトアニア)、ラトビア語 (ラトビア)、マレー語 (マレーシア)、ノルウェー語 (ノルウェー)、ポーランド語 (ポーランド)、ポルトガル語 (ポルトガル)、ルーマニア語 (ルーマニア)、スロバキア語 (スロバキア)、スロベニア語 (スロベニア)、セルビア語 (セルビア)、スペイン語 (スペイン)、スウェーデン語 (スウェーデン)。
最良の結果を得るには、請求書あたり鮮明な写真またはスキャンを 1 枚提供してください。
- 画像形式は JPEG、PNG、または PDF である必要があります。
- ファイル サイズが 20 MB を超えることはできません。
- 画像のサイズは 50 x 50 ピクセルから 10,000 x 10,000 ピクセルの間に収める必要があります。
- PDF のサイズは最大で17 x 17 インチ (リーガルまたは A3 用紙サイズ以下と同等) である必要があります。
- PDF ドキュメントの場合、最初の 2,000 ページのみが処理されます。
モデルの出力
請求書を検出すると、請求書処理モデルが次の情報を出力します:
| Property | Definition |
|---|---|
| 請求額 (テキスト) | 請求書に記載されている請求額。 |
| 請求額 (数値) | 標準化された数値形式での請求額。 例 : 1234.98。 |
| 請求額の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 請求先住所 | 請求先住所。 |
| 請求先住所の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 請求先住所の受取人 | 請求先住所の受取人。 |
| 請求先住所の受取人の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 顧客住所 | 顧客住所。 |
| 顧客住所の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 顧客住所の受取人 | 顧客住所の受取人。 |
| 顧客住所の受取人の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 顧客 ID | 顧客 ID。 |
| 顧客 ID の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 顧客名 | 顧客名。 |
| 顧客名の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 顧客の税 ID | 顧客に関連付けられた納税番号。 |
| 顧客の税 ID の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 期限 (テキスト) | 請求書に記載されている期限。 |
| 期限 (日付) | 標準化された日付形式の期限。 例 : 2019-05-31。 |
| 期限の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 請求日 (テキスト) | 請求書に記載されている請求日。 |
| 請求日 (日付) | 標準化された日付形式の請求書の日付。 例 : 2019-05-31。 |
| 請求日の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 請求書 ID | 請求書 ID。 |
| 請求書 ID の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 請求書の合計 (テキスト) | 請求書に記載されている請求書の合計。 |
| 請求書の合計 (数値) | 標準化された日付形式の請求書の合計。 例 : 2019-05-31。 |
| 請求書合計の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 品目 | 請求書から抽出された品目。 信頼度は、各列で利用できます。
|
| 支払条件 | 請求書の支払条件。 |
| 支払条件の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 発注書 | 発注書。 |
| 発注書の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 前回の未払残高 (テキスト) | 請求書に記載されている前回の未払残高。 |
| 前回の未払い残高 (数値) | 標準化された数値形式の前回の未払い残高。 例 : 1234.98。 |
| 前回の未払い残高の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 送金先住所 | 送金先住所。 |
| 送金先住所の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 送金先住所の受取人 | 送金先住所の受取人。 |
| 送金先住所の受取人の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| サービス住所 | サービス住所。 |
| サービス住所の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| サービス住所の受取人 | サービス住所の受取人。 |
| サービス住所の受取人の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| サービス開始日 (テキスト) | 請求書に記載されているサービス開始日。 |
| サービス開始日 (日付) | 標準化された日付形式のサービス開始日。 例 : 2019-05-31。 |
| サービス開始日の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| サービス終了日 (テキスト) | 請求書に記載されているサービス終了日。 |
| サービス終了日 (日付) | 標準化された日付形式のサービス終了日。 例 : 2019-05-31。 |
| サービス終了日の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 送付先住所 | 送付先住所。 |
| 送付先住所の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 送付先住所の受取人 | 送付先住所の受取人。 |
| 送付先住所の受取人の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 小計 (テキスト) | 請求書に記載されている小計。 |
| 小計 (数値) | 標準化された数値形式での小計。 例 : 1234.98。 |
| 小計の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 税額計 (テキスト) | 請求書に記載されている税金の合計。 |
| 税額計 (数値) | 標準化された数値形式での税金の合計。 例 : 1234.98。 |
| 税金の合計の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| ベンダー住所 | ベンダー住所。 |
| ベンダー住所の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| ベンダー住所の受取人 | ベンダー住所の受取人。 |
| ベンダー住所の受取人の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| ベンダー名 | ベンダー名。 |
| ベンダー名の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 仕入先税 ID | ベンダーに関連付けられた納税番号。 |
| ベンダー税 ID の信頼度 | モデルの予測における信頼度を示します。 0 (信頼度が低い) から 1 (信頼度が高い) の間のスコア。 |
| 検出されたテキスト | 請求書で OCR を実行して認識されたテキストの行。 テキストの一覧の一部として返されます。 |
| 検出されたキー | キーと値のペアは、識別されたすべてのラベルまたはキーと、それに関連付けられた応答または値です。 これらを使用して、事前定義されたフィールドのリストに含まれていない追加の値を抽出できます。 |
| 検出された値 | キーと値のペアは、識別されたすべてのラベルまたはキーと、それに関連付けられた応答または値です。 これらを使用して、事前定義されたフィールドのリストに含まれていない追加の値を抽出できます。 |
キー値ペア
キーと値のペアは、識別されたすべてのラベルまたはキーと、それに関連付けられた応答または値です。 これらを使用して、事前定義されたフィールドのリストに含まれていない追加の値を抽出できます。
請求書処理モデルによって検出されたすべてのキーと値のペアを視覚化するには、スクリーンショットに示すように、フローで HTML テーブルの作成 アクションを実行し、フローを実行します。
値がわかっている特定のキーを抽出するには、以下のスクリーンショットに示すように フィルター配列 アクションを使用します。 スクリーンショットの例では、キー Tel .: の値を抽出します
制限
以下の制限は、事前構築済みモデルを含むドキュメント処理モデル全体で、環境ごとに行われる呼び出しに適用されます: 領収書処理と請求書処理。
| Action | 制限 | 更新期間 |
|---|---|---|
| 通話 (環境ごと) | 360 | 60 秒 |
カスタム請求書処理ソリューションの作成
請求書処理の事前構築された AI モデルは、請求書にある一般的なフィールドを抽出するように設計されています。 すべてのビジネスは一意であるため、この構築済みモデルに含まれているフィールド以外のフィールドを抽出することをお勧めします。 また、使用する特定の種類の請求書に対して、一部の標準フィールドが適切に抽出されない場合もあります。 この問題に対処する方法は 2 つあります。
カスタム請求書処理モデルを使用する: 既定 のフィールド、または適切に抽出されなかったドキュメントのサンプルに加えて、抽出する新しいフィールドを追加することで、事前構築された請求書処理モデルの動作を拡張します。 事前に構築された請求書処理モデルを拡張する方法については、ドキュメントの種類を選択する をご覧ください。
生の OCR 結果を表示する: 請求書処理の事前構築された AI モデルは、指定されたファイルを処理するたびに、ファイルに書き込まれたすべての単語を抽出する OCR 操作も実行します。 モデルによって提供される検出されたテキスト出力で生の OCR 結果にアクセスできます。 検出されたテキストによって返されるコンテンツを単純に検索するだけで、必要なデータを取得できる場合があります。
ドキュメント処理を使用する: AI Builder を使えば、独自のカスタム AI モデルを構築して、作業するドキュメントに必要な特定のフィールドとテーブルを抽出することもできます。 ドキュメント処理モデルを作成するだけで、請求書抽出モデルではうまく機能しない請求書からすべての情報を抽出するようにトレーニングします。
カスタム ドキュメント処理モデルをトレーニングしたら、Power Automate フローでそれを請求書処理の事前構築モデルと組み合わせることができます。
次に例をいくつか示します。
カスタム ドキュメント処理モデルを使用して、請求書処理の事前構築済みモデルによって返されない追加のフィールドを抽出する
この例では、プロバイダー Adatum および Contoso からの請求書にのみ存在するロイヤルティ プログラム番号を抽出するようにカスタム ドキュメント処理モデルをトレーニングしました。
特定の SharePoint フォルダーに新しい請求書が追加されるたびにフローがトリガーされます。 次に、請求書処理の事前構築された AI モデルを呼び出して、データを抽出します。 次に、処理された請求書のベンダーが Adatum または Contoso のいずれかであるかどうかを確認します。 その場合は、そのロイヤルティ番号を取得するためにトレーニングしたカスタム ドキュメント処理モデルを呼び出します。 最後に、請求書から抽出したデータを Excel ファイルに保存します。
請求書処理の事前構築モデルによって返されるフィールドの信頼スコアが低い場合は、カスタム ドキュメント処理モデルを使用する
この例では、カスタム ドキュメント処理モデルをトレーニングして、請求書から合計金額を抽出しましたが、通常、請求書処理の事前構築モデルを使用すると、信頼度スコアが低くなります。
特定の SharePoint フォルダーに新しい請求書が追加されるたびにフローがトリガーされます。 次に、請求書処理の事前構築された AI モデルを呼び出して、データを抽出します。 次に、請求書の合計値プロパティの信頼度スコアが 0.65 未満であるかどうかを確認します。 その場合は、請求書でトレーニングしたカスタム ドキュメント処理モデルを呼び出しますが、通常、合計フィールドの信頼度スコアが低くなります。 最後に、請求書から抽出したデータを Excel ファイルに保存します。
請求書処理の事前構築済みモデルを使用して、カスタム ドキュメント処理モデルが処理するようにトレーニングされていない請求書を処理します
請求書処理の事前構築済みモデルを使用するひとつの方法は、フォールバック モデルとして使用して、カスタム ドキュメント処理モデルでトレーニングしていない請求書を処理することです。 たとえば、ドキュメント処理モデルを構築し、上位 20 の請求書プロバイダーからデータを抽出するようにトレーニングしたとします。 次に、請求書処理の事前構築モデルを使用して、すべての新しい請求書または少量の請求書を処理できます。 これを行う方法の例を次に示します。
このフローは、新しい請求書が SharePoint フォルダーに追加された時にトリガーされます。 次に、カスタム ドキュメント処理モデルを呼び出してデータを抽出します。 次に、検出されたコレクションの信頼度スコアが 0.65 未満かを確認します。 その場合は、提供された請求書がカスタム モデルに適していないことを意味している可能性があります。 次に、事前構築済みの請求書処理モデルを呼び出します。 最後に、請求書から抽出したデータを Excel ファイルに保存します。
