Vad är Azure AI Content Understanding?
Viktigt!
- Azure AI Content Understanding är tillgängligt som förhandsversion. Offentliga förhandsversioner ger tidig åtkomst till funktioner som är i aktiv utveckling.
- Funktioner, metoder och processer kan ändras eller ha begränsade funktioner, före allmän tillgänglighet (GA).
- Mer information finns i Kompletterande användningsvillkor för Förhandsversioner av Microsoft Azure.
Azure AI Content Understanding är en ny Generativ AI-baserad Azure AI-tjänst som är utformad för att bearbeta/mata in innehåll av alla typer (dokument, bilder, videor och ljud) i ett användardefinierat utdataformat.
Content Understanding erbjuder en effektiv process för att resonera över stora mängder ostrukturerade data, vilket påskyndar tid till värde genom att generera utdata som kan integreras i automatiserings- och analysarbetsflöden.
Varför ska du bearbeta med Content Understanding?
Förenkla och effektivisera arbetsflöden. Azure AI Content Understanding standardiserar extrahering av innehåll, struktur och insikter från olika innehållstyper till en enhetlig process.
Förenkla extrahering av fält. Med Content Understandings fältextrahering blir det enklare att generera strukturerade utdata från ostrukturerat innehåll. Definiera ett schema för att extrahera, klassificera eller generera fältvärden utan komplex promptteknik
Förbättra noggrannheten. Content Understanding använder flera AI-modeller för att analysera och korsvalidera information samtidigt, vilket resulterar i mer exakta och tillförlitliga resultat.
Användningsfall för Content Understanding
Automatisering. Content Understanding stöder automatiseringsscenarier genom att konvertera ostrukturerat innehåll till strukturerade data, som kan integreras i olika arbetsflöden och program. Förtroendepoäng minimerar mänsklig granskning och lägre kostnader. Du kan till exempel automatisera anskaffnings- och betalningsprocesser genom att extrahera fält från fakturor.
Sök och hämta utökad generering (RAG). Content Understanding möjliggör inmatning av innehåll av alla modaliteter i sökindexet. Den strukturerade utdatarepresentationen förbättrar relevansen för RAG-scenarier.
Analys och rapportering: Content Understandings extraherade fältutdata förbättrar analys och rapportering, vilket gör det möjligt för företag att få värdefulla insikter, genomföra djupare analyser och fatta välgrundade beslut baserat på korrekta rapporter.
Appar
Vanliga program för Content Understanding är:
| Program | beskrivning | Snabbstart |
|---|---|---|
| Analys efter anrop | Företag och callcenter kan generera insikter från samtalsinspelningar för att spåra viktiga KPI:er, förbättra produktupplevelsen, generera affärsinsikter, skapa differentierade kundupplevelser och besvara frågor snabbare och mer exakt. | Snabbstart för analys efter anrop |
| Hantering av medietillgångar | Programvaru- och medieleverantörer kan använda Content Understanding för att extrahera mer omfattande, riktad information från videor för lösningar för hantering av medietillgångar. | Snabbstart för hantering av medietillgångar |
| Skatteautomation | Skatteförberedelseföretag kan använda Content Understanding för att generera en enhetlig vy av information från olika dokument och skapa omfattande skattedeklarationer. | Snabbstart för skatteautomatisering |
| Diagramtolkning | Företag kan förbättra diagramtolkningen genom att automatisera analysen och tolkningen av olika typer av diagram med hjälp av Content Understanding. | Snabbstart för diagramtolkning |
Se Snabbstart för fler exempel.
Komponenter
| Komponent | beskrivning |
|---|---|
| Analyzer | Analysatorn är kärnkomponenten i Content Understanding. Det gör att kunderna kan konfigurera inställningar för extrahering av innehåll och schema för extrahering av fält. När den har konfigurerats tillämpar analysatorn konsekvent dessa inställningar för att bearbeta alla inkommande data. |
| Extrahering av innehåll | Med extrahering av innehåll kan användarna ange vilka typer av information som ska identifieras och extraheras från inkommande innehåll. Användarspecifik information innehåller alternativ som OCR text, layoutanalys, streckkoder, tabeller med mera, så att användarna kan fokusera på de mest relevanta innehållselementen. |
| Tillägg | Content Understanding-tillägg förbättrar extrahering av innehåll genom att lägga till element som streckkoder, tabeller och identifierade ansikten. |
| Fältextrahering | Med fältextrahering kan användarna definiera strukturen och schemat för de önskade fälten för att extrahera från indatafiler. Se tjänstbegränsningar för en fullständig lista över fälttyper som stöds. Fält kan genereras via någon av följande metoder: • Extrahera: Extrahera direkt värden som de visas i indatainnehållet, till exempel datum från kvitton eller artikelinformation från fakturor. • Klassificera: Klassificera innehåll från en fördefinierad uppsättning kategorier, till exempel anropssentiment eller diagramtyp. • Generera: Generera värden fritt från indata, till exempel att sammanfatta en ljudkonversation eller skapa scenbeskrivningar från videor. |
| Jordningskälla | Content Understanding identifierar de specifika regionerna i innehållet där värdet genererades från. Källjordning gör att användare i automatiseringsscenarier snabbt kan verifiera fältvärdenas korrekthet, vilket leder till högre förtroende för extraherade data. |
| Konfidenspoäng | Content Understanding ger förtroendepoäng från 0 till 1 för att uppskatta resultatets tillförlitlighet. Höga poäng indikerar korrekt dataextrahering, vilket möjliggör direkt bearbetning i automationsarbetsflöden. |
Ansvarsfull AI
Azure AI Content Understanding är utformat för att skydda mot bearbetning av skadligt innehåll. Mer information finns i vår transparensanteckning och vår uppförandekod.
Datasekretess och säkerhet
Utvecklare som använder content understanding-tjänsten bör granska Microsofts principer för kunddata. Mer information finns på sidan Data, skydd och sekretess .
Viktigt!
Om du använder Microsofts produkter eller tjänster för att bearbeta biometriska data ansvarar du för att: (i) meddela registrerade, inklusive med avseende på kvarhållningsperioder och destruktion; ii) erhålla samtycke från registrerade. och iii) ta bort biometriska data, allt efter behov och krävs enligt tillämpliga dataskyddskrav. "Biometriska data" kommer att ha den betydelse som anges i artikel 4 i GDPR och, om tillämpligt, likvärdiga termer i andra dataskyddskrav. Relaterad information finns i Data och sekretess för Ansikte.
Komma igång
Våra snabbstartsguider hjälper dig att snabbt börja använda content understanding-tjänsten: