זיהוי תווים אופטי (OCR) הוא ממשק API מאומן מראש של Vertex AI ב-Google Distributed Cloud (GDC) air-gapped appliance, שמאפשר לזהות ולחלץ טקסט מסוגי קבצים נתמכים, כולל תמונות, מסמכים והערות בכתב יד. אתם יכולים לעבד בקשות שכוללות תמונות ומסמכים בשפות נתמכות.
שיטות לזיהוי תווים אופטי (OCR)
ב-OCR יש את השיטות הבאות לזיהוי טקסט במכשיר GDC עם air gap:
| Method | תיאור |
|---|---|
BatchAnnotateImages |
זיהוי טקסט מקבוצה של תמונות בפורמט JPEG או PNG שסופקו בבקשה מוטבעת. |
BatchAnnotateFiles |
זיהוי טקסט מקבוצה של קובצי PDF או TIFF שסופקו בבקשה מוטבעת. |
תכונות של זיהוי תווים אופטי (OCR)
OCR API יכול לזהות ולחלץ טקסט מתמונות. שתי תכונות ההערות הבאות תומכות בזיהוי תווים אופטי:
TEXT_DETECTIONמזהה ומחלץ טקסט מכל תמונה. לדוגמה, תמונה יכולה להכיל שלט רחוב או תמרור. שירות ה-OCR מחזיר קובץ JSON עם המחרוזת שחולצה, מילים בודדות והתיבות התוחמות שלהן.
איור 1. תמונה של תמרור שבה ה-OCR API מזהה מילים ואת התיבות התוחמות שלהן.
DOCUMENT_TEXT_DETECTIONגם מחלץ טקסט מתמונה, אבל השירות מבצע אופטימיזציה של התגובה לטקסט צפוף ולמסמכים. לדוגמה, תמונה סרוקה של טקסט מוקלד יכולה להכיל כמה פסקאות וכותרות. שירות ה-OCR מחזיר קובץ JSON עם מידע על הדף, הבלוק, הפסקה, המילה והמעבר.
איור 2. תמונה סרוקה של טקסט מוקלד שבה ה-OCR API מזהה מידע כמו מילים, דפים ופסקאות.
טקסט בכתב יד
תמונה 3 היא תמונה של טקסט בכתב יד. OCR API מזהה טקסט בתמונות האלה ומחלץ אותו. כאן אפשר למצוא רשימה של סקריפטים שתומכים בזיהוי כתב יד.

איור 3. תמונה של כתב יד שבה ה-OCR API מזהה טקסט.
מגבלות על זיהוי תווים אופטי (OCR)
אפשר לזהות עד 30 תמונות בדקה, כלומר תמונה אחת בכל שתי שניות לכל יחידת מכשיר.
ה-methods של ה-API BatchAnnotateImages ו-BatchAnnotateFiles תומכות רק בבקשה אחת לכל קריאה באצווה.
בטבלה הבאה מפורטות המגבלות הנוכחיות של שירות ה-OCR ב-Distributed Cloud.
| מגבלת הקבצים ל-OCR | ערך |
|---|---|
| מספר הדפים המקסימלי | חמש |
| גודל קובץ מקסימלי | 20 MB |
| גודל תמונה מקסימלי | 20 מיליון פיקסלים (אורך x רוחב) |
אם תשלחו קבצים ל-OCR API שחורגים ממספר הדפים המקסימלי או מגודל הקובץ המקסימלי, תוחזר שגיאה. אם תשלחו קבצים שחורגים מגודל התמונה המקסימלי, הם יוקטנו ל-20 מיליון פיקסלים.
סוגי קבצים נתמכים ל-OCR
ה-API המאומן מראש של OCR מזהה ומתמלל טקסט מסוגי הקבצים הבאים:
- TIFF
- JPG
- PNG
אתם צריכים לאחסן את הקבצים באופן מקומי בסביבת Distributed Cloud. אי אפשר לגשת לקבצים שמתארחים ב-Cloud Storage או לקבצים שזמינים באופן ציבורי לצורך זיהוי טקסט.