文字認識プロジェクトを設定する

Google Distributed Cloud（GDC）エアギャップの光学式文字認識（OCR）を使用すると、アプリケーション内の画像やドキュメントからテキストを検出して抽出できます。プロジェクトを作成してデベロッパー ロールをリクエストしたら、GDC コンソールで OCR API を有効にして、サービス ステータスとエンドポイントを表示します。その後、Python クライアント ライブラリをインストールし、環境変数を定義して、gdcloud CLI を使用してサービス アカウントを構成し、リクエストを認証できます。Vertex AI を初めて使用する場合は、文字認識機能の詳細をご覧ください。

プロジェクトを作成する

Distributed Cloud のリソース階層内に文字認識プロジェクトを作成すると、OCR リソースが整理されます。これには、共同編集者、有効化された API、モニタリング ツール、お支払い情報、認証情報、アクセス制御が含まれます。

プロジェクトを作成するには、Vertex AI 用にプロジェクトを設定するをご覧ください。API 呼び出しを行うには、プロジェクト ID が必要です。

デベロッパー権限をリクエストする

光学式文字認識機能にアクセスし、リクエストの認証と認可用の API トークンを生成するには、プロジェクトに AI OCR デベロッパー ロールが必要です。

IAM プロジェクト管理者に、プロジェクトの名前空間内のユーザーまたはサービス アカウントに AI OCR デベロッパー（ai-ocr-developer）ロールを付与するよう依頼します。このロールの詳細については、IAM 権限を準備するをご覧ください。

OCR API を有効にする

プロジェクトで OCR 事前トレーニング済み API を有効にする必要があります。有効にすると、OCR 事前トレーニング済み API のサービス ステータスとエンドポイントを表示できます。

クライアント ライブラリのインストール

クライアント ライブラリは、Python プログラミング言語で利用できます。これらのクライアント ライブラリを使用すると、API へのアクセスが容易になるため、OCR API の呼び出しにはこれらのクライアント ライブラリを使用することをおすすめします。

このライブラリをインストールするには、venv を使用して仮想環境内にインストールすることをおすすめします。

venv を使用すると、主に次のようなメリットがあります。

  • 分離された Python 環境を作成して、異なるバージョンのパッケージをホストします。
  • これにより、プロジェクトの依存関係とシステム全体のインストールとの競合を防ぐことができます。
  • システムレベルの権限を必要とせずにライブラリをインストールできます。

OCR クライアント ライブラリをインストールし、次の手順に沿って正しいバージョンがインストールされていることを確認します。

  1. OCR クライアント ライブラリがインストールされているかどうかを確認し、バージョン番号を取得します。

    pip freeze | grep vision

    クライアント ライブラリがすでにインストールされている場合は、次のような出力が表示されます。

    google-cloud-vision==3.0.0

    取得したバージョン番号は、次のエンドポイントのクライアント ライブラリと一致している必要があります。

    https://GDC_URL/.well-known/static/client-libraries

    GDC_URL は、GDC の組織の URL に置き換えます。

  2. バージョン番号が一致しない場合は、クライアント ライブラリをアンインストールします。

    pip uninstall google-cloud-vision

  3. OCR クライアント ライブラリをアンインストールした場合は、オペレーティング システムに対応するファイル名を指定して再インストールする必要があります。

環境変数を設定する

OCR クライアント ライブラリをインストールすると、Python スクリプトから API を操作できます。

プロジェクトでサービス アカウントを設定して、承認済みの API 呼び出しをプログラムで行う場合は、Python スクリプトで環境変数を定義して、実行時にサービス アカウント キーなどの値にアクセスできます。

Python スクリプトで必要な環境変数を設定する手順は次のとおりです。

  1. JupyterLab ノートブックを作成して、OCR 事前トレーニング済み API を操作します。

  2. JupyterLab ノートブックで Python スクリプトを作成します。

  3. Python スクリプトに次のコードを追加します。

    import os

os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "APPLICATION_DEFAULT_CREDENTIALS_FILENAME"

    APPLICATION_DEFAULT_CREDENTIALS_FILENAME は、プロジェクトで作成したサービス アカウント キーを含む JSON ファイルの名前（my-service-key.json など）に置き換えます。

  4. Python スクリプトを vision.py などの名前で保存します。

  5. Python スクリプトを実行して環境変数を設定します。

    python SCRIPT_NAME

    SCRIPT_NAME は、Python スクリプトに付けた名前（vision.py など）に置き換えます。

認証を設定する

OCR API の使用を開始する前に、クライアント認証情報を認証し、プロジェクト リソースへのアカウント アクセスをリクエストする必要があります。詳細については、API リクエストを認証するをご覧ください。