Saiba mais sobre as funcionalidades de reconhecimento de carateres

O reconhecimento ótico de carateres (OCR) é uma das três APIs pré-treinadas do Vertex AI no Google Distributed Cloud (GDC) air-gapped. O serviço de OCR deteta texto em vários tipos de ficheiros, como imagens, ficheiros de documentos e texto escrito à mão.

O OCR oferece os seguintes métodos disponíveis no Distributed Cloud para reconhecer texto:

Método Descrição
BatchAnnotateImages Deteta texto a partir de um lote de imagens JPEG ou PNG fornecidas num pedido inline.
BatchAnnotateFiles Deteta texto a partir de um lote de ficheiros PDF ou TIFF fornecidos num pedido inline.
AsyncBatchAnnotateFiles Deteta texto a partir de um lote de ficheiros PDF ou TIFF num bucket de armazenamento para pedidos offline.

Saiba mais sobre os idiomas compatíveis detetados pela funcionalidade de reconhecimento de texto.

Funcionalidades de reconhecimento ótico de carateres

A API OCR pode detetar e extrair texto de imagens. As duas funcionalidades de anotação seguintes são compatíveis com o reconhecimento ótico de carateres:

  • TEXT_DETECTION deteta e extrai texto de qualquer imagem. Por exemplo, uma fotografia pode conter uma rua ou um sinal de trânsito. O serviço de OCR devolve um ficheiro JSON com a string extraída, as palavras individuais e as respetivas caixas delimitadoras.

    Sinal de trânsito com palavras individuais e caixas delimitadoras para deteção de texto

    Figura 1. Fotografia de um sinal de trânsito em que a API OCR deteta palavras e as respetivas caixas delimitadoras.

  • DOCUMENT_TEXT_DETECTION também extrai texto de uma imagem, mas o serviço otimiza a resposta para texto e documentos densos. Por exemplo, uma imagem digitalizada de texto escrito pode conter vários parágrafos e títulos. O serviço de OCR devolve um ficheiro JSON com informações de página, bloco, parágrafo, palavra e quebra.

    Imagem digitalizada de texto escrito com uma proporção densa de anotações

    Figura 2. Imagem digitalizada de texto escrito em que a API OCR deteta informações como palavras, páginas e parágrafos.

Texto escrito à mão

A Figura 3 é uma imagem de texto escrito à mão. A API OCR deteta e extrai texto destas imagens. Para ver uma lista de scripts de escrita manual que são compatíveis com o reconhecimento de escrita manual, consulte Scripts de escrita manual.

Figura de escrita manual

Figura 3. Imagem de escrita manual em que a API OCR deteta texto.

Limites de reconhecimento ótico de carateres

Os métodos da API BatchAnnotateImages e BatchAnnotateFiles só suportam um único pedido por chamada em lote.

A tabela seguinte indica os limites atuais do serviço de OCR no Distributed Cloud.

Limite de ficheiros para OCR Valor
Número máximo de páginas Cinco
Tamanho máximo do ficheiro 20 MB
Tamanho máximo da imagem 20 milhões de píxeis (comprimento x largura)

Os ficheiros enviados para a API OCR que excedam o número máximo de páginas ou o tamanho máximo do ficheiro devolvem um erro. Os ficheiros enviados que excedam o tamanho máximo da imagem são reduzidos para 20 milhões de píxeis.

Tipos de ficheiros compatíveis com OCR

A API pré-treinada de OCR deteta e transcreve texto dos seguintes tipos de ficheiros:

  • PDF
  • TIFF
  • JPG
  • PNG

Tem de armazenar os ficheiros localmente no seu ambiente do Distributed Cloud. Não pode aceder a ficheiros alojados no Cloud Storage nem a ficheiros disponíveis publicamente para deteção de texto.