Foundry Tools の Azure ドキュメント インテリジェンスでは、インテリジェントなドキュメント処理をアプリケーションに追加し、ワークフローを最適化できるさまざまなモデルがサポートされています。 適切なモデルを選択することは、エンタープライズ ソリューションの成功に不可欠です。 この記事では、使用可能なドキュメント インテリジェンス モデルと、Azure Content Understanding 機能を補完する方法について説明し、プロジェクトに最適なアプローチを選択できるようにします。
Azure Content Understanding 機能の一部として、Azure ドキュメント インテリジェンスは、構造化されたドキュメントからの高精度で信頼性の高い確定的な抽出を提供します。 Content Understanding には、複雑な、非構造化のマルチモーダル コンテンツ用の LLM を利用したアナライザーも用意されています。 これらを組み合わせることで、精度と速度で現実世界のコンテンツを読み取り、分析し、対応できるインテリジェントなエージェントやアプリケーションのデータを簡単に準備できます。 両方のサービスを比較し、シナリオに最適なサービスを判断するには、「ドキュメント処理に適した Azure AI ツールを選択する」を参照>。
次の決定チャートでは、サポートされている各モデルの機能が強調表示されており、アプリケーションのニーズと要件に最も適したモデルを選択するのに役立ちます。
重要
サポートされている言語のテキストと機能ごとのフィールド抽出については、必ず「言語サポート」をご確認ください。
ドキュメント インテリジェンスとコンテンツの理解の比較
次の表を使用して、特定のドキュメント インテリジェンス モデルを選択する前に、シナリオに最適なサービスを決定します。
| Azure ドキュメント インテリジェンス | Azure コンテンツ理解 | |
|---|---|---|
| 最適な用途 | 構造化ドキュメントと半構造化ドキュメントからの大量の確定的抽出 | 複雑、多様、非構造化、またはマルチモーダルコンテンツ処理 |
| ドキュメントの種類 | 標準化されたフォーム、請求書、税フォーム、ID、および領収書 | 非常に多様なテンプレート、非構造化ドキュメント、画像、オーディオ、ビデオ |
| ラベル付け | カスタム モデルに必要 (ラベル付けされたサンプルが 5 つ以上) | 開始するのにラベル付けは不要です。精度向上のためにラベル付けを行います。 |
| 抽出 | 信頼度スコアと根拠付けを伴う決定論的なフィールド抽出 | 抽出フィールドと推論フィールド、生成されたメタデータ、エンリッチメント |
| ジェネレーティブ AI | いいえ | はい — 推論されたフィールド、推論、および後処理 |
| マルチモーダル入力 | ドキュメントのみ | ドキュメント、画像、オーディオ、ビデオ |
| Latency | 低 | 中程度 |
| 事前構築済みのカバレッジ | 20 以上のモデル (請求書、税金、ID、住宅ローンなど) | 一般的なドキュメントの種類用の事前構築済みアナライザー |
| 複数ファイル入力 | いいえ | はい (プレビュー) |
シナリオで生成型 AI、マルチモーダル入力、または非常に多様なドキュメント テンプレートが必要な場合は、「ドキュメント処理用の適切な Azure AI ツールを参照して、完全なシナリオ ガイダンスを確認してください。 それ以外の場合は、以下に進み、構造化されたドキュメント処理のニーズに最適なドキュメント インテリジェンス モデルを選択します。
事前トレーニング済みのドキュメント分析モデル
| ドキュメントの種類 | 例 | 抽出するデータ | 最適なソリューション |
|---|---|---|---|
| 汎用ドキュメント。 | 契約書や手紙。 | 主に、作成されたまたは印刷されたテキスト行、単語、場所、検出された言語を抽出したいと考えています。 | OCR 読み取りモデル |
| 構造情報を含むドキュメント。 | レポートまたは調査。 | 書き込まれたまたは印刷されたテキストに加えて、テーブル、選択マーク、段落、タイトル、見出し、小見出しなどの構造情報を抽出する必要があります。 | レイアウト分析モデル |
| フィールド (キー) および値として書式設定されたコンテンツを含む構造化ドキュメントまたは半構造化ドキュメント。 | クレジット アプリケーションやアンケートなど、ビジネスや業界でよく使用される標準化された形式であるフォームまたはドキュメント。 | カスタム モデルをトレーニングすることなく、シナリオ固有の事前構築済みモデルでカバーされていないものを含むフィールドと値を抽出する必要があります。 |
オプションのクエリ文字列パラメーターを有効にしたレイアウト分析モデルfeatures=keyValuePairs |
事前トレーニング済みのシナリオ固有のモデル
| ドキュメントの種類 | 抽出するデータ | 最適なソリューション |
|---|---|---|
| 米国統一税 | 独自のカスタム分類を実行せずに、1 つのファイルから W2、1040、1090、1098 のすべての税フォームの主要な情報を抽出する必要がある場合。 | 米国統一税モデル |
| 米国の税金 W-2税 | 給与、賃金、源泉徴収される税金などの重要な情報を抽出する必要があります。 | 米国税 W-2 モデル |
| 米国の税金 W-4税 | 請求調整、個人情報などの重要な情報を抽出する場合。 | 米国税 W-4 モデル |
| 米国税 1095(A,C) | プレミアム税額控除、税額控除の前払いに関する詳細情報を取得する場合。 | 米国税 1095 モデル |
| 米国税 1098 | 元金、ポイント、税金などの住宅ローン利息の詳細を抽出する必要があります。 | 米国税 1098 モデル |
| 米国税 1098-E | 貸し手や利息などの学生ローンの利息の詳細を抽出する必要があります。 | 米国税 1098-E モデル |
| 米国税 1098T | 奨学金の調整、学生の在籍状況、貸し手情報など、適格な授業料の詳細を抽出したいと考えています。 | 米国税 1098-T モデル |
| 米国税 1099 (バリエーション) |
1099 申告書と、そのバリエーション (A、B、C、CAP、DIV、G、H、INT、K、LS、LTC、MISC、NEC、OID、PATR、Q、QA、R、S、SA、SB) から情報を抽出する必要がある場合。 |
米国税 1099 モデル |
| 米国税 1040 (バリエーション) |
1040 申告書と、そのバリエーション (Schedule 1、Schedule 2、Schedule 3、Schedule 8812、Schedule A、Schedule B、Schedule C、Schedule D、Schedule E、Schedule EIC、Schedule F、Schedule H、Schedule J、Schedule R、Schedule SE、Schedule Senior) から情報を抽出する必要がある場合。 |
米国税 1040 モデル |
| 口座取引明細書 | 米国の口座取引明細書から主要な情報を抽出する必要がある場合 | 口座取引明細書 |
| 銀行小切手 | 小切手文書から重要な情報を抽出したい場合。 | 銀行小切手 |
| 契約 (当事者間の法的契約)。 | コントラクト契約の詳細 (当事者、日付、サイクル間隔など) を抽出する場合。 | コントラクト モデル |
| 医療保険カードまたは医療保険 ID。 | 保険会社、会員 ID、処方箋の適用範囲、グループ番号などの重要な情報を抽出する必要があります。 | 医療保険カード モデル |
| クレジット/デビット カード | カード番号や銀行名など、銀行カードの重要な情報を抽出する必要があります。 | クレジット/デビット カード モデル |
| 結婚証明書 | 結婚証明書から重要な情報を抽出する場合。 | 結婚証明書モデル |
| 請求書または課金明細書 | 顧客名、請求先住所、支払期日などの重要な情報を抽出する必要があります。 | 請求書モデル |
| 領収書、バウチャー、または単一ページのホテル領収書。 | 業者名、取引日、取引合計などの重要な情報を抽出する必要があります。 | レシート モデル |
| 本人確認書類（ID）（米国の運転免許証や国際パスポートなど） | 名、姓、生年月日、住所、署名などの重要な情報を抽出す必要がある場合。 | 身分証明書 (ID) モデル |
| 給与明細 | 給与明細ドキュメントから主要な情報を抽出する必要がある場合。 | 給与明細モデル |
| 米国住宅ローン 1003 | 統一住宅ローン申請書から重要な情報を抽出する必要がある場合。 | 1003 申請書モデル |
| 米国住宅ローン 1004 | 統一住宅評価報告書 (URAR) から主要な情報を抽出する必要がある場合。 | 1004 申請書モデル |
| 米国住宅ローン 1005 | 在籍証明書フォームから主要な情報を抽出する必要がある場合 | 1005 申請書モデル |
| 米国住宅ローン 1008 | 統一引受転送概要書から、重要な情報を抽出する必要がある場合。 | 1008 申請書モデル |
| 米国住宅ローン決算開示 | 住宅ローン決算開示申請書から重要な情報を抽出する必要がある場合。 | 住宅ローン決算開示申請書モデル |
| 構造化要素、半構造化要素、非構造化要素を含む混合型ドキュメント | 事前構築済みまたは一般的なドキュメント モデルによって抽出されないキーと値のペア、選択マーク、テーブル、署名フィールド、選択領域を抽出する必要があります。 | カスタム モデル |
ヒント
- 使用する事前トレーニング済みモデルがわからない場合は、オプションのクエリ文字列パラメータをもつ レイアウト モデル を有効にして
features=keyValuePairs試してください。 - レイアウト モデルには、ページ、テーブル、スタイル、テキスト メッセージ、行、ワード、場所、言語を検出する読み取り OCR エンジンが搭載されています。
カスタム抽出モデル
| 訓練セット | ドキュメントの例 | 最適なソリューション |
|---|---|---|
| 静的レイアウトを持つ、構造化された一貫性のあるドキュメント。 | アンケートやアプリケーションなどの構造化されたフォーム。 | カスタム テンプレート モデル |
| 構造化および半構造化。 | ● 構造化→調査 ● 半構造化→請求書 |
カスタム ニューラル モデル |
| 類似した種類のドキュメントでトレーニングされた複数のモデルのコレクション。 | ● サプライ発注書 ● 機器発注書 ● 家具発注書 すべて 1 つのモデルに構成されます。 |
作成済みカスタム モデル |
カスタム分類モデル
| 訓練セット | ドキュメントの例 | 最適なソリューション |
|---|---|---|
| 少なくとも異なる 2 種類のドキュメント。 | フォーム、レター、またはドキュメント | カスタム分類モデル |