Anropa AZURE AI Vision v3.2 GA Read API
Den här guiden visar hur du anropar v3.2 GA Read API för att extrahera text från bilder. Du får lära dig de olika sätt som du kan konfigurera beteendet för det här API:et för att uppfylla dina behov.
Följande steg förutsätter att du redan har skapat en Visuellt innehåll resurs och fått en nyckel och en slutpunkts-URL. Om du inte har gjort det kan du läsa snabbstarten för att komma igång.
OCR-utgåvor (läsversioner)
Viktigt!
Välj den Läs-utgåva som passar dina behov bäst.
| Indata | Exempel | Läs utgåva | Förmån |
|---|---|---|---|
| Bilder: Allmänna, vilda bilder | etiketter, gatuskyltar och affischer | OCR för avbildningar (version 4.0) | Optimerad för allmänna bilder som inte är dokument med ett prestandaförbättrat synkront API som gör det enklare att bädda in OCR i dina användarupplevelsescenarier. |
| Dokument: Digital och skannad, inklusive bilder | böcker, artiklar och rapporter | Läsmodell för dokumentinformation | Optimerad för textintensiva genomsökta och digitala dokument med ett asynkront API för att automatisera intelligent dokumentbearbetning i stor skala. |
Om Azure AI Vision v3.2 GA Read
Letar du efter den senaste ga-läsningen i Azure AI Vision v3.2? Alla framtida förbättringar av läs-OCR är en del av de två tjänster som listades tidigare. Det finns inga ytterligare uppdateringar av Azure AI Vision v3.2. Mer information finns i Anropa Azure AI Vision 3.2 GA Read API och Snabbstart: Azure AI Vision v3.2 GA Read.
Bestämma hur data ska bearbetas (valfritt)
Ange OCR-modellen
Som standard använder tjänsten den senaste allmänt tillgängliga modellen (GA) för att extrahera text. Från och med Read v3.2 kan en model-version parameter välja mellan ga- och förhandsversionsmodellerna för en viss API-version. Den modell som du anger används för att extrahera text med åtgärden Läs.
När du använder åtgärden Läs använder du följande värden för den valfria model-version parametern.
| Värde | Modell som används |
|---|---|
| Inte angivet | Senaste GA-modellen |
| Senast | Senaste GA-modellen |
| 2022-04-30 | Senaste GA-modellen. 164 språk för utskriftstext och 9 språk för handskriven text tillsammans med flera förbättringar av kvalitet och prestanda |
| 2022-01-30 | Lägger till stöd för utskriftstext för hindi, arabiska och relaterade språk. För handskriven text lägger du till stöd för japanska och koreanska. |
| 2021-09-30 | Lägger till stöd för utskriftstext för ryska och andra kyrilliska språk. För handskriven text ger stöd för förenklad kinesiska, franska, tyska, italienska, portugisiska och spanska. |
| 2021-04-12 | 2021 GA-modell |
Inmatningsspråk
Som standard extraherar tjänsten all text från dina bilder eller dokument, inklusive blandade språk. Åtgärden Läs har en valfri frågeparameter för språk. Ange endast en språkkod om du vill tvinga dokumentet att bearbetas som det specifika språket. Annars kan tjänsten returnera ofullständig och felaktig text.
Utdata från naturlig läsordning (endast latinska språk)
Som standard matar tjänsten ut textraderna i vänster-till-höger-ordning. Du kan också använda natural med parametern readingOrder request för ett mer människovänligt läsordningsutdata som visas i följande exempel. Den här funktionen stöds endast för latinska språk.
Välj sidor eller sidintervall för textextrahering
Som standard extraherar tjänsten text från alla sidor i dokumenten. Du kan också använda parametern pages för begäran för att ange sidnummer eller sidintervall för att extrahera text från endast dessa sidor. I följande exempel visas ett dokument med 10 sidor, med text extraherad för båda fallen: Alla sidor (1–10) och Valda sidor (3–6).
Skicka data till tjänsten
Du skickar antingen en lokal avbildning eller en fjärrbild till Läs-API:et. Lokalt placerar du binära avbildningsdata i HTTP-begärandetexten. För fjärranslutning anger du bildens URL genom att formatera begärandetexten som i följande exempel.
{"url":"http://example.com/images/test.jpg"}
Läs-API:ets Läs-anrop tar en bild eller ett PDF-dokument som indata och extraherar text asynkront.
https://{endpoint}/vision/v3.2/read/analyze[?language][&pages][&readingOrder]
Anropet returneras med ett svarshuvudfält med namnet Operation-Location. Värdet Operation-Location är en URL som innehåller åtgärds-ID:t som ska användas i nästa steg.
| Svarsrubrik | Exempelvärde |
|---|---|
| Åtgärdsplats | https://cognitiveservice/vision/v3.2/read/analyzeResults/d3d3d3d3-eeee-ffff-aaaa-b4b4b4b4b4b4 |
Kommentar
Billing
Prissidan för Azure AI Vision innehåller prisnivån för läsåtgärder. Varje analyserad bild eller sida är en transaktion. Om du anropar åtgärden med ett PDF- eller TIFF-dokument som innehåller 100 sidor räknas åtgärden Read som 100 transaktioner och du debiteras för 100 transaktioner. Om du gjorde 50 anrop till åtgärden och varje anrop skickade ett dokument med 100 sidor debiteras du för 50 X 100 = 5 000 transaktioner.
Hämta resultat från tjänsten
Det andra steget är att anropa åtgärden Hämta läsresultat . Den här åtgärden tar som indata det åtgärds-ID som skapades av läsåtgärden.
https://{endpoint}/vision/v3.2/read/analyzeResults/{operationId}
Det returnerar ett JSON-svar som innehåller ett statusfält med följande möjliga värden.
| Värde | Innebörd |
|---|---|
notStarted |
Åtgärden har inte startats. |
running |
Åtgärden bearbetas. |
failed |
Åtgärden misslyckades. |
succeeded |
Åtgärden lyckades. |
Du anropar den här åtgärden iterativt tills den returneras med det slutförda värdet. Använd ett intervall på 1 till 2 sekunder för att undvika att överskrida antalet förfrågningar per sekund (RPS).
Kommentar
Den kostnadsfria nivån begränsar begärandefrekvensen till 20 anrop per minut. Den betalda nivån tillåter 30 RPS som kan ökas vid begäran. Observera din Azure-resurs-identfier och region och öppna en Azure Support biljett eller kontakta ditt kontoteam för att begära en högre RPS-avgift.
När statusfältet har succeeded värdet innehåller JSON-svaret det extraherade textinnehållet från bilden eller dokumentet. JSON-svaret underhåller de ursprungliga radgrupperingarna av identifierade ord. Den innehåller de extraherade textraderna och deras avgränsningsramkoordinater. Varje textrad innehåller alla extraherade ord med deras koordinater och konfidenspoäng.
Kommentar
De data som skickas till läsåtgärden krypteras tillfälligt och lagras i vila under en kort tid och tas sedan bort. På så sätt kan dina program hämta den extraherade texten som en del av tjänstsvaret.
Exempel på JSON-utdata
Se följande exempel på ett lyckat JSON-svar:
{
"status": "succeeded",
"createdDateTime": "2021-02-04T06:32:08.2752706+00:00",
"lastUpdatedDateTime": "2021-02-04T06:32:08.7706172+00:00",
"analyzeResult": {
"version": "3.2",
"readResults": [
{
"page": 1,
"angle": 2.1243,
"width": 502,
"height": 252,
"unit": "pixel",
"lines": [
{
"boundingBox": [
58,
42,
314,
59,
311,
123,
56,
121
],
"text": "Tabs vs",
"appearance": {
"style": {
"name": "handwriting",
"confidence": 0.96
}
},
"words": [
{
"boundingBox": [
68,
44,
225,
59,
224,
122,
66,
123
],
"text": "Tabs",
"confidence": 0.933
},
{
"boundingBox": [
241,
61,
314,
72,
314,
123,
239,
122
],
"text": "vs",
"confidence": 0.977
}
]
}
]
}
]
}
}
Handskriven klassificering för textrader (endast latinska språk)
Svaret innehåller en klassificering av om varje textrad är i handskriven stil eller inte, tillsammans med en konfidenspoäng. Den här funktionen är endast tillgänglig för latinska språk. I följande exempel visas den handskrivna klassificeringen för texten i bilden.
