Parámetros de extracción de texto

Especificar el formato del archivo de salida

Por defecto, el texto extraído se escribe en texto plano. Si desea que el texto extraído se escriba en otro formato, como Markdown, especifique el siguiente parámetro en el cuerpo de la solicitud de la API:

"parameters": {
  "requested_outputs": [
    "md"
  ]
}

La siguiente tabla proporciona detalles sobre los diferentes formatos de salida generados por el proceso de extracción de texto cuando se especifica el parámetro requested_outputs en la solicitud API:

Modalidad de proceso

Puede controlar la velocidad a la que se procesa su solicitud de extracción de texto estableciendo el parámetro mode en su solicitud de API.

"parameters": {
  "mode": "standard"
  ]
}

El modo de procesamiento de alta calidad conserva todas las estructuras de datos del documento, pero puede tardar más en procesarse que el modo estándar. En el modo estándar, la solicitud de extracción se completa más rápidamente pero genera una salida de menor calidad que puede carecer de detalles.

Para más información sobre los distintos modos de procesamiento, consulte la documentación de referencia de la API watsonx.ai.

Idiomas soportados

Si su documento está en un idioma distinto del inglés, debe especificar el idioma mediante su código de idioma ISO 639 en el parámetro languages de su solicitud de API.

"parameters": {
  "languages": "de"
  ]
}

Si el documento contiene una mezcla de lenguas, enumere cada lengua por separado.

Por ejemplo, puede extraer texto de las imágenes de un documento con una mezcla de texto en inglés y francés, ya que ambos idiomas se basan en el latín. Sin embargo, no se puede extraer texto de imágenes en un documento con una mezcla de texto en japonés y francés.

El código de idioma que especifique varía en función de si el documento contiene texto impreso a máquina o manuscrito.

Extraer texto de imágenes

Puede especificar cómo procesar el texto de las imágenes de su documento mediante el reconocimiento óptico de caracteres (OCR). Especifique el siguiente parámetro en el cuerpo de la solicitud API:

"parameters": {
  "ocr_mode": "enabled"
  ]
}

Para obtener más información sobre los distintos modos de OCR, consulte la documentación de referencia de la API watsonx.ai.

También puede configurar cómo procesar las imágenes incrustadas en su documento y convertirlas a los formatos Markdown y JSON.

La imagen incrustada es el área de una página del documento que representa sólo la imagen sin incluir las partes de la página que contienen texto o tablas. El texto y las tablas del documento original se procesan con OCR. El modo de extracción de imágenes incrustadas se utiliza para especificar cómo serializar las imágenes en el documento y conservarlas en la salida extraída.

En función del modo de extracción de imágenes incrustadas que especifique, puede elegir cómo se representan las imágenes incrustadas en la salida:

• Si desea incluir imágenes en la salida extraída. Si se incluyen imágenes, se almacenan en la carpeta embedded_images_assembly como archivos .png
• Si el texto genérico de marcador de posición o el texto extraído por OCR de la imagen aparece en los formatos de salida Markdown y JSON
• Si la imagen se verbaliza describiendo la imagen en lenguaje natural. Por ejemplo, la imagen de un gato puede verbalizarse como The image displays a cat resting on the floor.

Para extraer imágenes incrustadas incluyendo el texto que describe las imágenes, especifique el siguiente parámetro en el cuerpo de la petición API:

"parameters": {
  "create_embedded_images": "enabled_verbalization"
  ]
}

La siguiente tabla proporciona detalles sobre los diferentes modos que puede utilizar en su solicitud de API para extraer imágenes incrustadas:

Extracción de texto en pares clave-valor

Puede optar por extraer texto como pares clave-valor de documentos que contengan datos estructurados específicos del dominio. El texto extraído se almacena en un formato en el que cada dato (el valor) se asocia a un identificador único (la clave). Los datos de pares clave-valor se extraen utilizando un modelo de base de uso general o un modelo adaptado a formatos de documento específicos.

Basándose en el contenido de su documento de entrada, puede extraer datos de pares clave-valor con uno de los siguientes métodos:

Extracción genérica de pares clave-valor

El proceso de extracción genérico identifica y extrae todos los pares clave-valor de un documento. Este método es útil para extraer información etiquetada sin necesidad de conocer de antemano detalles sobre campos específicos.

Extracción basada en esquemas (fija)

El proceso basado en esquemas se centra en campos específicos predefinidos de los documentos mediante esquemas incorporados para tipos de documentos comunes como facturas, recibos de servicios públicos, pasaportes, etc. Cada página se clasifica en uno de los tipos de esquema admitidos. A partir de la clasificación, el texto se extrae en el formato de par clave-valor definido en el esquema para el tipo de documento específico. Al clasificar primero el documento, este método aumenta la precisión para tipos de documentos conocidos sin necesidad de un entrenamiento específico del modelo.

Por ejemplo, si desea extraer texto como datos de par clave-valor utilizando un modelo ajustado para facturas, especifique el siguiente parámetro en el cuerpo de la solicitud de API

"parameters": {
  "kvp_mode": "invoice"
  ]
}

Si no especifica kvp_mode en su solicitud de API de extracción de texto, los datos etiquetados de su documento no se almacenarán en formato de par clave-valor en la salida extraída.

Más información

• Extracción de texto de documentos
• Análisis sintáctico de estructuras JSON extraídas

Tema principal: Extracción de texto