זיהוי תווים אופטי (OCR) הוא אחד משלושת ממשקי ה-API שאומנו מראש ב-Vertex AI ב-Google Distributed Cloud (GDC) עם פער אוויר. שירות ה-OCR מזהה טקסט בסוגים שונים של קבצים, כמו תמונות, קובצי מסמכים וטקסט בכתב יד.
OCR מציע את השיטות הבאות שזמינות ב-Distributed Cloud לזיהוי טקסט:
| 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. |
AsyncBatchAnnotateFiles |
זיהוי טקסט מקבוצה של קובצי PDF או TIFF בקטגוריית אחסון לבקשות אופליין. |
מידע נוסף על השפות הנתמכות שזוהו על ידי התכונה לזיהוי טקסט
תכונות של זיהוי תווים אופטי (OCR)
OCR API יכול לזהות ולחלץ טקסט מתמונות. שתי תכונות ההערות הבאות תומכות בזיהוי תווים אופטי (OCR):
TEXT_DETECTIONמזהה ומחלץ טקסט מכל תמונה. לדוגמה, תמונה יכולה להכיל רחוב או תמרור. שירות ה-OCR מחזיר קובץ JSON עם המחרוזת שחולצה, המילים הבודדות ותיבות התוחמות שלהן.
איור 1. תמונה של תמרור שבה OCR API מזהה מילים ותיבות תוחמות שלהן.
DOCUMENT_TEXT_DETECTIONגם מחלץ טקסט מתמונה, אבל השירות הזה מייעל את התשובה לטקסט ולמסמכים צפופים. לדוגמה, תמונה סרוקה של טקסט מודפס עשויה להכיל כמה פסקאות וכותרות. שירות ה-OCR מחזיר קובץ JSON עם מידע על הדף, הבלוק, הפסקה, המילה והמעבר לשורה חדשה.
איור 2. תמונה סרוקה של טקסט מודפס שבה OCR API מזהה מידע כמו מילים, דפים ופסקאות.
טקסט בכתב יד
איור 3 הוא תמונה של טקסט בכתב יד. ממשק ה-API של OCR מזהה ומוציא טקסט מהתמונות האלה. רשימה של סקריפטים של כתב יד שתומכים בזיהוי כתב יד זמינה במאמר סקריפטים של כתב יד.
איור 3. תמונה של כתב יד שבה ה-OCR API מזהה טקסט.
מגבלות של זיהוי תווים אופטי (OCR)
שיטות ה-API BatchAnnotateImages ו-BatchAnnotateFiles תומכות רק בבקשה אחת לכל קריאה מקובצת.
בטבלה הבאה מפורטות המגבלות הנוכחיות של שירות ה-OCR ב-Distributed Cloud.
| מכסת קבצים ל-OCR | ערך |
|---|---|
| מספר הדפים המקסימלי | חמש |
| גודל קובץ מקסימלי | 20 MB |
| גודל תמונה מקסימלי | 20 מיליון פיקסלים (אורך x רוחב) |
אם שולחים קבצים ל-OCR API שחורגים ממספר הדפים המקסימלי או מגודל הקובץ המקסימלי, מתקבלת שגיאה. קבצים שנשלחים ועולים על הגודל המקסימלי של התמונה מצטמצמים ל-20 מיליון פיקסלים.
סוגי קבצים נתמכים ל-OCR
ה-API של OCR שעבר אימון מראש מזהה ומתמלל טקסט מסוגי הקבצים הבאים:
- TIFF
- JPG
- PNG
צריך לאחסן את הקבצים באופן מקומי בסביבת Distributed Cloud. אי אפשר לגשת לקבצים שמתארחים ב-Cloud Storage או לקבצים שזמינים באופן ציבורי כדי לזהות טקסט.