La reconnaissance optique des caractères (OCR) est l'une des trois API Vertex AI pré-entraînées sur Google Distributed Cloud (GDC) air-gapped. Le service OCR détecte le texte dans différents types de fichiers, tels que des images, des fichiers de documents et du texte manuscrit.
L'OCR propose les méthodes suivantes disponibles dans Distributed Cloud pour reconnaître le texte :
| Méthode | Description |
|---|---|
BatchAnnotateImages |
Détecte le texte à partir d'un lot d'images JPEG ou PNG fournies dans une requête intégrée. |
BatchAnnotateFiles |
Détecte le texte à partir d'un lot de fichiers PDF ou TIFF fournis dans une requête intégrée. |
AsyncBatchAnnotateFiles |
Détecte le texte à partir d'un lot de fichiers PDF ou TIFF dans un bucket de stockage pour les requêtes hors connexion. |
En savoir plus sur les langues compatibles détectées par la fonctionnalité de reconnaissance de texte.
Fonctionnalités de reconnaissance optique des caractères
L'API OCR peut détecter et extraire du texte à partir d'images. Les deux fonctionnalités d'annotation suivantes sont compatibles avec la reconnaissance optique des caractères :
TEXT_DETECTIONdétecte et extrait le texte de n'importe quelle image. Par exemple, une photographie peut contenir un panneau de rue ou de signalisation. Le service OCR renvoie un fichier JSON avec la chaîne extraite, les mots individuels et leurs cadres de délimitation.
Figure 1 : Photographie d'un panneau de signalisation où l'API OCR détecte les mots et leurs cadres de délimitation.
DOCUMENT_TEXT_DETECTIONextrait également le texte d'une image, mais le service optimise la réponse pour les textes et les documents denses. Par exemple, une image numérisée de texte dactylographié peut contenir plusieurs paragraphes et titres. Le service OCR renvoie un fichier JSON avec des informations sur les pages, les blocs, les paragraphes, les mots et les blancs.
Figure 2 : Image numérisée de texte dactylographié où l'API OCR détecte des informations telles que les mots, les pages et les paragraphes.
Texte manuscrit
La figure 3 est une image de texte manuscrit. L'API OCR détecte et extrait le texte de ces images. Pour obtenir la liste des scripts d'écriture manuscrite compatibles avec la reconnaissance de l'écriture manuscrite, consultez Scripts d'écriture manuscrite.
Figure 3 : Image d'écriture manuscrite où l'API OCR détecte le texte.
Limites de la reconnaissance optique des caractères
Les méthodes d'API BatchAnnotateImages et BatchAnnotateFiles ne sont compatibles qu'avec une seule requête par appel de lot.
Le tableau suivant répertorie les limites actuelles du service OCR dans Distributed Cloud.
| Limite de fichiers pour l'OCR | Valeur |
|---|---|
| Nombre maximal de pages | Cinq |
| Taille maximale du fichier | 20 Mo |
| Taille maximale de l'image | 20 millions de pixels (longueur x largeur) |
Les fichiers envoyés à l'API OCR qui dépassent le nombre maximal de pages ou la taille maximale du fichier renvoient une erreur. Les fichiers envoyés qui dépassent la taille maximale de l'image sont redimensionnés à 20 millions de pixels.
Types de fichiers compatibles avec l'OCR
L'API pré-entraînée OCR détecte et transcrit le texte des types de fichiers suivants :
- TIFF
- JPG
- PNG
Vous devez stocker les fichiers localement dans votre environnement Distributed Cloud. Vous ne pouvez pas accéder aux fichiers hébergés dans Cloud Storage ni aux fichiers accessibles au public pour la détection de texte.