Använda Content Understanding i Azure AI Foundry

Azure AI Foundry är en omfattande plattform för att utveckla och distribuera generativa AI-program och API:er på ett ansvarsfullt sätt. Azure AI Content Understanding är en ny generativ Azure AI-tjänst som analyserar filer från olika metoder och extraherar strukturerade utdata i ett användardefinierat fältformat. Indatakällor inkluderar dokument-, video-, bild- och ljuddata. Den här guiden visar hur du skapar och testar en Content Understanding-analys i AI Foundry. Du kan sedan använda extraherade data i valfri app eller process som du skapar med hjälp av ett enkelt REST API-anrop. Content Understanding-analysverktyg är helt anpassningsbara. Du kan skapa en analysverktyg genom att skapa ett eget schema från grunden eller med hjälp av en föreslagen analysmall som erbjuds för att hantera vanliga scenarier för varje datatyp.

Förutsättningar

Kom igång genom att kontrollera att du har följande resurser och behörigheter:

• En Azure-prenumeration. Om du inte har någon Azure-prenumeration kan du skapa ett kostnadsfritt konto innan du börjar.

• En Azure AI Foundry-hubb krävs för att hantera de resurser som etablerats i ditt Content Understanding-projekt, och den måste skapas i någon av följande regioner som stöds: westus, swedencentral eller australiaeast. Om du skapar en hubb för första gången kan du läsaSå här skapar och hanterar du en Azure AI Foundry-hubb för att lära dig mer. Observera att du behöver rätt behörigheter för att skapa en hubb, eller så kan administratören skapa en åt dig.

  • Om din roll är deltagare eller ägare kan du fortsätta med att skapa en egen hubb.

  • Om din roll är Azure AI Developer måste hubben redan skapas innan du kan slutföra den här snabbstarten. Din användarroll måste vara Azure AI Developer, Contributor eller Owner på hubben. Mer information finns i hubbar och Azure AI-roller.

Viktigt!

Om din organisation kräver att du anpassar säkerheten för lagringsresurser exponerar AI Foundry för närvarande inte alla funktioner som kan konfigureras. Gå till Azure AI Services API-åtkomstnycklar för att skapa resurser som uppfyller organisationens krav via Azure Portal. Principen som tillämpas i Azure på hubbomfånget gäller för alla projekt som hanteras under den. Information om hur du använder kundhanterade nycklar finns i (förhandsversion) Lagring på tjänstsidan av krypterade data när du använder kundhanterade nycklar. Gå tillbaka hit när du har skapat resurser.

Skapa ditt första Content Understanding-projekt i AI Foundry

Kommentar

Projekttypen Content Understanding är separat från projekttypen Generative AI, som också finns i AI Foundry.

För att kunna prova content understanding-tjänsten i AI Foundry måste du skapa ett Content Understanding-projekt. Du kan komma åt Content Understanding från:

• Startsidan för AI Foundry

• Startsidan för AI Services

På sidan Innehållstolkning väljer du Create a new Content Understanding Project:

Följ stegen i guiden för att skapa projekt och börja med att välja den hubb som du redan har skapat. När hubben skapades bör den etablera en AI Services-resurs och en bloblagringscontainer som väljs som standard. Du kan också skapa en med hjälp av guiden eller Azure Portal. Följande diagram illustrerar rollen för hubbar, resurser och projekt i AI Foundry.

När du har slutfört installationsstegen väljer du Create project.

Dela ditt projekt för innehållstolkning

Om du vill dela och hantera åtkomsten till projektet Content Understanding som du skapade går du till Hanteringscenter längst ned i navigeringen för projektet:

Du kan hantera användarna och deras enskilda roller här:

Skapa din första analys

Nu när allt är konfigurerat för att komma igång kan vi steg för steg gå igenom hur du skapar din första analysator och börjar med att skapa schemat. Schemat är det anpassningsbara ramverket som gör att analyseraren kan extrahera insikter från dina data. I det här exemplet skapas schemat för att extrahera nyckeldata från ett fakturadokument, men du kan ta in alla typer av data och stegen förblir desamma. En fullständig lista över filtyper som stöds finns i Indatafilbegränsningar.

1. Ladda upp en exempelfil med ett fakturadokument eller andra data som är relevanta för ditt scenario.

   

2. Därefter föreslår Content Understanding-tjänsten analysmallar baserat på din innehållstyp. Kolla in Analyzer-mallar som erbjuds med Content Understanding för en fullständig lista över alla mallar som erbjuds för varje modalitet. I det här exemplet väljer du Dokumentanalys för att skapa ett eget schema som är anpassat till fakturascenariot. När du använder dina egna data väljer du den analysmall som bäst passar dina behov eller skapar en egen. Se Analyzer-mallar för en fullständig lista över tillgängliga mallar.

3. Välj Skapa.

   

4. Lägg till fält i schemat:

   • Ange tydliga och enkla fältnamn. Några exempelfält kan vara vendorName, items, price.

   • Ange värdetypen för varje fält (strängar, datum, siffror, listor, grupper). Mer information finns ifälttyper som stöds.

   • [Valfritt] Ange fältbeskrivningar för att förklara önskat beteende, inklusive eventuella undantag eller regler.

   • Ange vilken metod som ska generera värdet för varje fält.

5. Välj Spara.

   

6. Med det slutförda schemat genererar Content Understanding nu utdata på dina exempeldata. I det här steget kan du lägga till mer data för att testa analysatorns noggrannhet eller göra ändringar i schemat om det behövs.

   

7. När du är nöjd med kvaliteten på dina utdata väljer du Skapa analysverktyg. Den här åtgärden skapar ett analys-ID som du kan integrera i dina egna program, så att du kan anropa analysatorn från din kod.

   

Nu har du skapat din första Content Understanding-analysator och är redo att börja extrahera insikter från dina data. Läs snabbstart: Azure AI Content Understanding REST API:er för att använda REST-API:et för att anropa analysatorn.

Nästa steg

• I den här snabbstarten har du lärt dig hur du skapar en Content Understanding-analysator med hjälp av Azure AI Foundry. Information om hur du använder REST-API:et för innehållstolkning finns i snabbstarten för REST API.