在 Power Automate 中使用發票處理預建模型
登入 Power Automate。
在左側窗格中選取我的流程,然後選取新流程>即時雲端流程。
為您的流程命名,在選擇如何觸發此流程下選取手動觸發流程,然後選取建立。
展開手動觸發流程,然後選取 + 新增輸入>檔案作為輸入類型。
以我的收據 (也稱為標題) 取代檔案內容。
選取 +新步驟>AI Builder,然後選取動作清單中的從發票擷取資訊。
在發票檔案輸入中,指定來自觸發程序的我的發票。
在後續動作中,您可以使用模型輸出中的任何發票值。
恭喜! 您已建立一個使用 AI Builder 發票處理模型的流程。 選取右上方的儲存,然後選取測試以試用您的流程。
頁面範圍
如果是大型文件,則可以指定要處理的頁面範圍。
您可以在頁面參數中輸入頁面值或頁面範圍 。 範例:1 或 3-5。
Note
如果您有一個只有一張發票的大型文件,我們強烈建議您 使用 Pages 參數來瞄準您的發票,這樣就可以減少模型預測的成本並增加效能。 但是,頁面範圍應包含可讓動作返回正確資料的唯一發票。
範例:文件包含第 2 頁的第一個發票,以及橫跨第 3 和第 4 頁的第二張發票:
- 如果您輸入頁面範圍 2,則會傳回第一張發票的資料。
- 如果您輸入頁面範圍 3-4,則會傳回第二張發票的資料。
- 如果您輸入頁面範圍 2-4,則將會傳回第一和第二張發票的部分資料 (應避免)。
參數
輸入
名字 | 必填 | 類型 | 描述 |
---|---|---|---|
接收檔案 | .是 | 檔案 | 要處理的發票檔案 |
頁面 | 否 | 字串 | 要處理的頁面範圍 |
輸出
名字 | 類型 | 定義 |
---|---|---|
應付金額 (文字) | 字串 | 發票中載明的應付金額 |
應付金額 (數字) | 浮點數 | 標準化數字格式中的應付金額。 範例:1234.98 |
應付金額的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
帳單地址 | 字串 | 帳單地址 |
帳單地址的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
帳單地址收件者 | 字串 | 帳單地址收件者 |
帳單地址收件者的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
客戶地址 | 字串 | 客戶地址 |
客戶地址的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
客戶地址收件者 | 字串 | 客戶地址收件者 |
客戶地址收件者的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
客戶識別碼 | 字串 | 客戶識別碼 |
客戶識別碼的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
客戶名稱 | 字串 | 客戶名稱 |
客戶名稱的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
到期日 (文字) | 字串 | 發票中載明的到期日 |
到期日 (日期) | 標準化日期格式的到期日。 範例:2019-05-31T00:00:00Z | |
到期日的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
發票日期 (文字) | 字串 | 發票中載明的發票日期 |
發票日期 (日期) | 日期 | 標準化日期格式的發票日期。 範例:2019-05-31T00:00:00Z |
發票日期的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
發票識別碼 | 字串 | 發票識別碼 |
發票識別碼的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
發票總額 (文字) | 字串 | 發票中載明的發票總額 |
發票總額 (數字) | 浮點數 | 標準化日期格式的發票總額。 範例:2019-05-31T00:00:00Z |
發票總額的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
採購單 | 字串 | 採購單 |
採購單的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
匯款地址 | 字串 | 匯款地址 |
匯款地址的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
匯款地址收件者 | 字串 | 匯款地址收件者 |
匯款地址收件者的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
服務地址 | 字串 | 服務地址 |
服務地址的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
服務地址收件者 | 字串 | 服務地址收件者 |
服務地址收件者的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
寄送地址 | 字串 | 寄送地址 |
寄送地址的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
寄送地址收件者 | 字串 | 寄送地址收件者 |
寄送地址收件者的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
小計 (文字) | 字串 | 發票中載明的小計 |
小計 (數字) | 浮點數 | 標準化數字格式中的小計。 範例:1234.98 |
小計的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
稅金總計 (文字) | 字串 | 發票中載明的稅金總計 |
稅金總計 (數字) | 浮點數 | 標準化數字格式中的稅金總計。 範例:1234.98 |
稅金總計的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
廠商地址 | 字串 | 廠商地址 |
廠商地址的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
廠商地址收件者 | 字串 | 廠商地址收件者 |
廠商位址收件者的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
廠商名稱 | 字串 | 廠商名稱 |
廠商名稱的信賴度 | 浮點數 | 模型對其預測的信賴度為何。 分數介於 0 (信賴度低) 和 1 (信賴度高) 之間。 |
偵測到的文字 | 字串 | 在發票上執行 OCR 的已辨識文字行。 做為文字清單的一部分傳回。 |
偵測到的文字頁數 | integer | 識別文字行所在的頁面。 做為文字清單的一部分傳回。 |