זיהוי תווים אופטי (OCR) הוא Vertex AI API שאומן מראש ב-Google Distributed Cloud (GDC) עם air gap, שמאפשר לזהות ולחלץ טקסט מסוגי קבצים נתמכים, כולל תמונות, מסמכים והערות בכתב יד. אתם יכולים לעבד בקשות לחילוץ טקסט בתוך השורה או להריץ משימות אצווה אסינכרוניות על קבצים שמאוחסנים בקטגוריות בשפות נתמכות.
שיטות לזיהוי תווים אופטי (OCR)
ב-OCR יש את השיטות הבאות לזיהוי טקסט ב-Distributed Cloud:
| 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. |
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)
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.