Document Intelligence 名刺モデル
重要
ドキュメント インテリジェンス v4.0 (プレビュー)以降、ビジネス カード モデル (事前構築済み businessCard) は非推奨になりました。 名刺形式からデータを抽出するには、次のコマンドを使用します:
機能 | version | モデル ID |
---|---|---|
名刺モデル | • v3.1:2023-07-31 (GA) >v3.0:2022-08-31 (GA) >v2.1 (GA) |
prebuilt-businessCard |
このコンテンツの適用対象: v3.0 (GA) | 最新バージョン:
v4.0 (プレビュー)
v3.1 | 以前のバージョン:
v2.1
このコンテンツの適用対象: v2.1 | 最新バージョン:
v4.0 (プレビュー)
Document Intelligence の名刺モデルでは、強力な光学式文字認識 (OCR) 機能と、ディープ ラーニング モデルの組み合わせにより、名刺の画像が分析されて、データが抽出されます。 API により、印刷された名刺が分析され、名、姓、会社名、メール アドレス、電話番号などの主要な情報が抽出されて、構造化された JSON データ表現が返されます。
名刺のデータ抽出
名刺は、ビジネスやプロフェッショナルを表現するのに最適な手段です。 名刺に含まれる会社のロゴ、フォント、背景画像は、会社のブランディングの推進や、他との差別化に役立ちます。 OCR と機械学習ベースの手法を用いて名刺のスキャンを自動化することは、一般的な画像処理シナリオです。 営業やマーケティングのチームが使用する企業向けシステムには、通常、ユーザーの利便性のために、名刺データの抽出機能が組み込まれています。
"Document Intelligence Studio で処理された名刺サンプル"
"Document Intelligence サンプル ラベル付けツールで処理された名刺サンプル"
開発オプション
ドキュメント インテリジェンス v3.1:2023-07-31 (GA) では、次のツール、アプリケーション、ライブラリがサポートされます:
機能 | リソース | モデル ID |
---|---|---|
名刺モデル | •ドキュメント インテリジェンス Studio • REST API • C# SDK • Python SDK • Java SDK • JavaScript SDK |
事前構築された名刺 |
ドキュメント インテリジェンス v3.0:2022-08-31 (GA) では、次のツール、アプリケーション、およびライブラリがサポートされます:
機能 | リソース | モデル ID |
---|---|---|
名刺モデル | •ドキュメント インテリジェンス Studio • REST API • C# SDK • Python SDK • Java SDK • JavaScript SDK |
事前構築された名刺 |
ドキュメント インテリジェンス v2.1 (GA) では、次のツール、アプリケーション、およびライブラリがサポートされます:
機能 | リソース |
---|---|
名刺モデル | •ドキュメント インテリジェンスラベル付けツール • REST API • クライアント ライブラリ SDK •ドキュメント インテリジェンス Docker コンテナー |
名刺のデータ抽出を試す
名刺から名前、役職、住所、電子メール、会社名などのデータを抽出する方法について説明します。 以下のリソースが必要です。
Azure サブスクリプション — 無料で作成することができます
Azure portal の Document Intelligence Studio インスタンス。 Free 価格レベル (
F0
) を利用して、サービスを試用できます。 リソースがデプロイされたら、[リソースに移動] を選択してキーとエンドポイントを取得します。
Document Intelligence Studio
Note
Document Intelligence Studio は、v3.1 と v3.0 の API で使用できます。
Document Intelligence Studio のホーム ページで、[名刺] を選択します。
サンプル ドキュメントの名刺を分析したり、独自のファイルをアップロードしたりできます。
[分析の実行] ボタンを選択し、必要に応じて [分析オプション] を構成します。
ドキュメント インテリジェンス サンプル ラベル付けツール
サンプル ツールのホーム ページで、[事前構築済みモデルを使用してデータを取得する] タイルを選択します。
ドロップダウン メニューから、分析する [フォームの種類] を選択します。
次のオプションを使用して、分析するファイルの URL を選択します。
[ソース] フィールドで、ドロップダウン メニューから [URL] を選択し、選択した URL を貼り付けて、[フェッチ] ボタンを選択します。
[Document Intelligence サービス エンドポイント] フィールドに、Document Intelligence サブスクリプションで取得したエンドポイントを貼り付けます。
[キー] フィールドに、Document Intelligence リソースから取得したキーを貼り付けます。
[Run analysis](解析の実行) を選択します。 Document Intelligence サンプル ラベル付けツールは、Analyze Prebuilt API を呼び出してドキュメントを分析します。
結果を表示する - 抽出されたキーと値のペア、行項目、抽出された強調表示テキスト、および検出されたテーブルを確認します。
Note
サンプル ラベル付けツールでは、BMP ファイル形式はサポートされていません。 これは、Document Intelligence サービスではなくツールの制限です。
入力の要件
サポートされているファイル形式:
モデル PDF 画像: JPEG/JPG
、PNG
、BMP
、TIFF
、HEIF
Microsoft Office:
Word (DOCX
)、Excel (XLSX
)、PowerPoint (PPTX
)、HTML読み込み ✔ ✔ ✔ Layout ✔ ✔ ✔ (2024-07-31-preview、2024-02-29-preview、2023-10-31-preview) 一般的なドキュメント ✔ ✔ 事前構築済み ✔ ✔ カスタム抽出 ✔ ✔ カスタム分類 ✔ ✔ ✔ (2024-07-31-preview、2024-02-29-preview) 最適な結果を得るには、ドキュメントごとに 1 つの鮮明な写真または高品質のスキャンを提供してください。
PDF および TIFF の場合、最大 2,000 ページを処理できます (Free レベルのサブスクリプションでは、最初の 2 ページのみが処理されます)。
ドキュメントを分析するためのファイル サイズは、有料 (S0) レベルでは 500 MB、無料 (F0) レベルでは
4
MB です。画像のディメンションは、50 ピクセル x 50 ピクセルから 10,000 ピクセル x 10,000 ピクセルの間である必要があります。
PDF がパスワードでロックされている場合は、送信前にロックを解除する必要があります。
抽出するテキストの最小の高さは、1024 x 768 ピクセルのイメージの場合は 12 ピクセルです。 このディメンションは、150 DPI (1 インチあたりのドット数) で約
8
ポイントのテキストに相当します。カスタム モデル トレーニングにおけるトレーニング データの最大ページ数は、カスタム テンプレート モデルの場合は 500、カスタム ニューラル モデルの場合は 50,000 です。
カスタム抽出モデル トレーニングにおけるトレーニング データの合計サイズは、テンプレート モデルの場合は 50 MB、ニューラル モデルの場合は
1
GB です。カスタム分類モデル トレーニングの場合、トレーニング データの合計サイズは
1
GB で、最大 10,000 ページです。 2024-07-31-preview 以降の場合、トレーニング データの合計サイズは2
GB で、最大 10,000 ページです。
- サポートされているファイル形式: JPEG、PNG、PDF、TIFF
- PDF と TIFF は、最大 2,000 ページまで処理されます。 Free レベルのサブスクライバーの場合は、最初の 2 ページだけが処理されます。
- ファイル サイズは 50 MB 未満でなければならず、寸法は 50 x 50 ピクセル以上 10,000 x 10,000 ピクセル以下です。
サポートされている言語とロケール
以下を参照して、サポートされている言語の完全なリストについては、 言語サポートの ページ をご覧ください。
フィールドの抽出
名前 | 種類 | 説明 | 標準化された出力 |
---|---|---|---|
ContactNames | オブジェクトの配列 | 連絡先の名前 | |
FirstName | String | 連絡先の名 | |
LastName | String | 連絡先の姓 | |
CompanyNames | 文字列の配列 | 会社名 | |
Departments | 文字列の配列 | 連絡先の部署または組織 | |
JobTitles | 文字列の配列 | リストされている連絡先の役職 | |
電子メール | 文字列の配列 | 取引先担当者のメール アドレス | |
Websites | 文字列の配列 | 会社の Web サイト | |
住所 | 文字列の配列 | 名刺から抽出された住所 | |
MobilePhones | 電話番号の配列 | 名刺の携帯電話番号 | +1 xxx xxx xxxx |
Fax | 電話番号の配列 | 名刺の FAX 電話番号 | +1 xxx xxx xxxx |
WorkPhones | 電話番号の配列 | 名刺の勤務先電話番号 | +1 xxx xxx xxxx |
OtherPhones | 電話番号の配列 | 名刺のその他の電話番号 | +1 xxx xxx xxxx |
抽出されるフィールド
名前 | 種類 | 説明 | Text |
---|---|---|---|
ContactNames | オブジェクトの配列 | 名刺から抽出された連絡先の名前 | [{ "FirstName": "John", "LastName": "Doe" }] |
FirstName | string | 連絡先の名 | "John" |
LastName | string | 連絡先の姓 | "Doe" |
CompanyNames | 文字列の配列 | 名刺から抽出された会社名 | ["Contoso"] |
Departments | 文字列の配列 | 連絡先の部署または組織 | ["R&D"] |
JobTitles | 文字列の配列 | リストされている連絡先の役職 | ["Software Engineer"] |
メール | 文字列の配列 | 名刺から抽出された連絡先のメールアドレス | ["johndoe@contoso.com"] |
Websites | 文字列の配列 | 名刺から抽出された Web サイト | ["https://www.contoso.com"] |
アドレス | 文字列の配列 | 名刺から抽出された住所 | ["123 Main Street, Redmond, Washington 98052"] |
MobilePhones | 電話番号の配列 | 名刺から抽出された携帯電話番号 | ["+19876543210"] |
Fax | 電話番号の配列 | 名刺から抽出された Fax 電話番号 | ["+19876543211"] |
WorkPhones | 電話番号の配列 | 名刺から抽出された勤務先電話番号 | ["+19876543231"] |
OtherPhones | 電話番号の配列 | 名刺から抽出されたその他の電話番号 | ["+19876543233"] |
サポート対象のロケール
あらかじめ構築された名刺 v2.1 は、次のロケールをサポートしています。
- ja-JP
- en-au
- en-ca
- en-gb
- en-in
移行ガイドと REST API v3.1
- アプリケーションとワークフローで v3.0 バージョンを使用する方法については、Document Intelligence v3.1 移行ガイドの説明を参照してください。
次のステップ
Document Intelligence Studio を使用して独自のフォームとドキュメントの処理を試す
Document Intelligence クイックスタートを完了し、選択した開発言語でドキュメント処理アプリの作成を開始します。
Document Intelligence サンプル ラベル付けツールを使用して独自のフォームとドキュメントの処理を試す
Document Intelligence クイックスタートを完了し、選択した開発言語でドキュメント処理アプリの作成を開始します。