Mempelajari fitur pengenalan karakter

Pengenalan Karakter Optik (OCR) adalah Vertex AI API terlatih di Google Distributed Cloud (GDC) dengan air gap yang memungkinkan Anda mendeteksi dan mengekstrak teks dari jenis file yang didukung, termasuk gambar, dokumen, dan catatan tulisan tangan. Anda dapat memproses permintaan inline untuk ekstraksi teks atau menjalankan tugas batch asinkron pada file yang disimpan di bucket dalam bahasa yang didukung.

Metode pengenalan karakter optik

OCR menawarkan metode berikut yang tersedia di Distributed Cloud untuk mengenali teks:

Metode Deskripsi
BatchAnnotateImages Mendeteksi teks dari batch gambar JPEG atau PNG yang disediakan dalam permintaan inline.
BatchAnnotateFiles Mendeteksi teks dari batch file PDF atau TIFF yang disediakan dalam permintaan inline.
AsyncBatchAnnotateFiles Mendeteksi teks dari batch file PDF atau TIFF di bucket penyimpanan untuk permintaan offline.

Fitur pengenalan karakter optik

OCR API dapat mendeteksi dan mengekstrak teks dari gambar. Dua fitur anotasi berikut mendukung pengenalan karakter optik:

  • TEXT_DETECTION mendeteksi dan mengekstrak teks dari gambar apa pun. Misalnya, foto mungkin berisi rambu jalan atau rambu lalu lintas. Layanan OCR menampilkan file JSON dengan string yang diekstrak, setiap kata, dan kotak pembatasnya.

    Rambu jalan yang berisi kata-kata individual dan kotak pembatas untuk deteksi teks

    Gambar 1. Foto rambu jalan tempat OCR API mendeteksi kata dan kotak pembatasnya.

  • DOCUMENT_TEXT_DETECTION juga mengekstrak teks dari gambar, tetapi layanan ini mengoptimalkan respons untuk teks dan dokumen yang padat. Misalnya, gambar pindaian teks yang diketik mungkin berisi beberapa paragraf dan judul. Layanan OCR menampilkan file JSON dengan informasi halaman, blok, paragraf, kata, dan jeda.

    Gambar pindaian teks yang diketik dengan proporsi anotasi yang padat

    Gambar 2. Gambar pindaian teks yang diketik, tempat OCR API mendeteksi informasi seperti kata, halaman, dan paragraf.

Teks tulisan tangan

Gambar 3 adalah gambar teks tulisan tangan. OCR API mendeteksi dan mengekstrak teks dari gambar ini. Untuk mengetahui daftar skrip tulisan tangan yang mendukung pengenalan tulisan tangan, lihat Skrip tulisan tangan.

Gambar tulisan tangan

Gambar 3. Gambar tulisan tangan tempat OCR API mendeteksi teks.

Batas pengenalan karakter optik

Metode API BatchAnnotateImages dan BatchAnnotateFiles hanya mendukung satu permintaan per panggilan batch.

Tabel berikut mencantumkan batas layanan OCR saat ini di Distributed Cloud.

Batas file untuk OCR Nilai
Jumlah maksimum halaman Lima
Ukuran file maksimal 20 MB
Ukuran gambar maksimum 20 juta piksel (panjang x lebar)

File yang dikirimkan untuk OCR API yang melebihi jumlah halaman maksimum atau ukuran file maksimum akan menampilkan error. File yang dikirimkan yang melebihi ukuran gambar maksimum akan diperkecil menjadi 20 juta piksel.

Jenis file yang didukung untuk OCR

API terlatih OCR mendeteksi dan mentranskripsikan teks dari jenis file berikut:

  • PDF
  • TIFF
  • JPG
  • PNG

Anda harus menyimpan file secara lokal di lingkungan Distributed Cloud. Anda tidak dapat mengakses file yang dihosting di Cloud Storage atau file yang tersedia secara publik untuk deteksi teks.