Parametri di estrazione del testo

Specificare il formato del file di output

Per impostazione predefinita, il testo estratto viene scritto in testo normale. Se si desidera che il testo estratto sia scritto in un altro formato, come Markdown, specificare il seguente parametro nel corpo della richiesta API:

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

La tabella seguente fornisce dettagli sui diversi formati di output generati dal processo di estrazione del testo quando si specifica il parametro requested_outputs nella richiesta API:

Modalità di elaborazione

È possibile controllare la velocità di elaborazione della richiesta di estrazione del testo impostando il parametro mode nella richiesta API.

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

La modalità di elaborazione ad alta qualità conserva tutte le strutture di dati del documento, ma può richiedere più tempo rispetto alla modalità standard. Nella modalità standard, la richiesta di estrazione viene completata più rapidamente, ma genera un output di qualità inferiore che può mancare di dettagli.

Per informazioni dettagliate sulle diverse modalità di elaborazione, consultare la documentazione di riferimento dell'API watsonx.ai.

Lingue supportate

Se il documento è in una lingua diversa dall'inglese, è necessario specificare la lingua con il suo codice ISO 639 nel parametro languages della richiesta API.

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

Se il documento contiene un mix di lingue, elencare ogni lingua separatamente.

Ad esempio, è possibile estrarre il testo dalle immagini di un documento con un mix di testo inglese e francese, poiché entrambe le lingue sono basate sul latino. Tuttavia, non è possibile estrarre il testo dalle immagini in un documento con testo misto giapponese e francese.

Il codice lingua specificato varia a seconda che il documento contenga testo stampato a macchina o scrittura a mano.

Estrazione di testo dalle immagini

È possibile specificare come elaborare il testo nelle immagini del documento utilizzando il riconoscimento ottico dei caratteri (OCR). Specificare il seguente parametro nel corpo della richiesta API:

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

Per informazioni dettagliate sulle diverse modalità OCR, consultare la documentazione di riferimento dell'API watsonx.ai.

È inoltre possibile configurare l'elaborazione delle immagini incorporate nel documento e la loro conversione nei formati Markdown e JSON.

L'immagine incorporata è l'area di una pagina del documento che rappresenta solo l'immagine senza includere le porzioni della pagina che contengono testo o tabelle. Il testo e le tabelle del documento originale vengono elaborati con l'OCR. La modalità di estrazione delle immagini incorporate viene utilizzata per specificare come serializzare le immagini nel documento e conservarle nell'output estratto.

In base alla modalità di estrazione delle immagini incorporate specificata, è possibile scegliere il modo in cui le immagini incorporate vengono rappresentate nell'output:

• Se includere o meno le immagini nell'output estratto. Se si includono immagini, queste vengono memorizzate nella cartella embedded_images_assembly come file .png
• Nei formati di output Markdown e JSON viene visualizzato il testo segnaposto generico o il testo estratto dall'OCR dall'immagine
• Se l'immagine viene verbalizzata descrivendo l'immagine in linguaggio naturale. Ad esempio, l'immagine di un gatto può essere verbalizzata come The image displays a cat resting on the floor.

Per estrarre le immagini incorporate, compreso il testo che le descrive, specificare il seguente parametro nel corpo della richiesta API:

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

La tabella seguente fornisce dettagli sulle diverse modalità che è possibile utilizzare nella richiesta API per estrarre le immagini incorporate:

Estrazione di testo in coppie chiave-valore

È possibile scegliere di estrarre il testo come coppie chiave-valore da documenti che contengono dati strutturati specifici del dominio. Il testo estratto viene memorizzato in un formato in cui ogni dato (il valore) è associato a un identificatore unico (la chiave). I dati delle coppie chiave-valore vengono estratti utilizzando un modello di base generico o un modello ottimizzato per specifici formati di documenti.

In base al contenuto del documento di input, è possibile estrarre i dati delle coppie chiave-valore con uno dei seguenti metodi:

Estrazione generica di coppie chiave-valore

Il processo di estrazione generico identifica ed estrae tutte le coppie chiave-valore presenti in un documento. Questo metodo è utile per estrarre informazioni etichettate senza dover conoscere in anticipo i dettagli di campi specifici.

Estrazione basata su schemi (fissa)

Il processo basato su schemi si rivolge a campi specifici e predefiniti nei documenti, utilizzando schemi integrati per tipi di documenti comuni come fatture, bollette, passaporti e altro. Ogni pagina è classificata in uno dei tipi di schema supportati. In base alla classificazione, il testo viene estratto nel formato della coppia chiave-valore definito nello schema per il tipo di documento specifico. Classificando prima il documento, questo metodo aumenta l'accuratezza per i tipi di documento noti senza richiedere un addestramento dedicato del modello.

Ad esempio, se si desidera estrarre il testo come coppia chiave-valore utilizzando un modello sintonizzato per le fatture, specificare il seguente parametro nel corpo della richiesta API

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

Se non si specifica kvp_mode nella richiesta dell'API di estrazione del testo, i dati etichettati nel documento non vengono memorizzati in un formato di coppia chiave-valore nell'output estratto.

Ulteriori informazioni

• Estrazione del testo dai documenti
• Parsing delle strutture JSON estratte

Argomento principale: Estrazione del testo