Chamar a API de Leitura de GA da Visão de IA do Azure v3.2

Este guia mostra como chamar a API de leitura GA v3.2 para extrair texto de imagens. Você aprenderá as diversas maneiras de configurar o comportamento dessa API para atender às suas necessidades.

As etapas a seguir pressupõem que você já criou um recurso de Pesquisa Visual Computacional e obteve uma chave e uma URL de ponto de extremidade. Se ainda não fez isso, consulte o início rápido para começar.

Edições de OCR (Leitura)

Determinar como processar os dados (opcional)

Especificar o modelo de OCR

Por padrão, o serviço usa o modelo mais recente geralmente disponível (GA) para extrair texto. A partir da Leitura v3.2, um parâmetro model-version permite escolher entre os modelos GA e de visualização para uma determinada versão da API. O modelo especificado será usado para extrair texto com a operação de Leitura.

Ao usar a operação de leitura, use os valores a seguir para o parâmetro model-version opcional.

Linguagem de entrada

Por padrão, o serviço extrai todo o texto de suas imagens ou documentos, incluindo idiomas mistos. A operação de Leitura tem um parâmetro de solicitação opcional para o idioma. Forneça apenas um código de linguagem se quiser forçar o documento a ser processado como essa linguagem específica. Caso contrário, o serviço poderá retornar texto incompleto e incorreto.

Saída da ordem de leitura natural (somente idiomas latinos)

Por padrão, o serviço gera as linhas de texto na ordem da esquerda para a direita. Opcionalmente, como o parâmetro de solicitação readingOrder, use natural para uma saída de ordem de leitura mais amigável, conforme mostrado no exemplo a seguir. Esse recurso é compatível apenas com idiomas latinos.

Selecionar páginas ou intervalos de páginas para extração de texto

Por padrão, o serviço extrai texto de todas as páginas nos documentos. Opcionalmente, use o parâmetro de solicitação pages para especificar números de página ou intervalos de página para extrair o texto apenas daquelas páginas. O exemplo a seguir mostra um documento com 10 páginas, com texto extraído para ambos os casos: Todas as páginas (1 a 10) e Páginas selecionadas (3-6).

Enviar dados ao serviço

Você envia uma imagem local ou remota à API de Leitura. Para local, você coloca os dados da imagem binária no corpo da solicitação HTTP. Para remoto, especifique a URL da imagem formatando o corpo da solicitação como o exemplo a seguir.

{"url":"http://example.com/images/test.jpg"}

A Chamada de leitura da API de Leitura usa uma imagem ou documento PDF como entrada e extrai o texto de maneira assíncrona.

https://{endpoint}/vision/v3.2/read/analyze[?language][&pages][&readingOrder]

A chamada retorna com um campo de cabeçalho de resposta chamado Operation-Location. O valor Operation-Location é uma URL que contém a ID da operação a ser usada na próxima etapa.

Obter resultados do serviço

A segunda etapa é chamar a operação Obter Resultado de Leitura. Essa operação usa como entrada a ID da operação que foi criada pela operação de Leitura.

https://{endpoint}/vision/v3.2/read/analyzeResults/{operationId}

Ela retorna uma resposta JSON que contém um campo de status com os valores possíveis a seguir.

Execute uma chamada a essa operação de modo iterativo até que ela retorne o valor succeeded. Use um intervalo de 1 a 2 segundos para evitar exceder a taxa de RPS (solicitações por segundo).

Quando o campo status tiver o valor succeeded, a resposta JSON conterá o conteúdo de texto extraído da imagem ou do documento. A resposta JSON mantém os agrupamentos de linhas originais de palavras reconhecidas. Isso inclui as linhas de texto extraídas e as respectivas coordenadas da caixa delimitadora. Cada linha de texto inclui todas as palavras extraídas com as respectivas coordenadas e pontuações de confiança.

Saída JSON de exemplo

Confira o seguinte exemplo de uma resposta JSON bem-sucedida:

{
  "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
              }
            ]
          }
        ]
      }
    ]
  }
}

Classificação manuscrita para linhas de texto (somente idiomas latinos)

A resposta inclui uma classificação de se cada linha de texto está no estilo manuscrito ou não, juntamente com um escore de confiança. Este recurso só está disponível para idiomas latinos. O exemplo a seguir mostra a classificação manuscrita para o texto na imagem.

Conteúdo relacionado

• Início Rápido: Leitura da GA da Visão de IA do Azure v3.2
• Referência da API REST de Leitura 3.2