什麼是內容理解分析器?

分析器在 Foundry Tools 的 Azure Content Understanding 中,是一個可配置的處理單元,用來定義如何分析內容以及擷取哪些資訊。

分析儀定義:

  • 要處理哪種類型的內容(文件、圖片、音訊或影片)
  • 要擷取哪些元素(文字、版面、表格、欄位、逐字稿)
  • 如何結構化輸出(markdown、JSON 欄位、片段)
  • 哪些 AI 模型應該用於處理

分析器是內容理解的核心建構元件。 它們將內容擷取、AI 分析與結構化資料輸出整合成單一且可重複使用的配置。 你可以使用預設分析器來處理常見情境,或是根據你的需求打造客製化分析器。

除非另有說明,本文範例皆使用 GA API 版本 2025-11-01。 標示為預覽的功能需要 2026-06-01-preview。

分析儀類型

內容理解提供多種分析器類型:

  • 基礎分析器:基礎分析器,提供每種內容類型prebuilt-document(, prebuilt-audioprebuilt-videoprebuilt-image)的核心處理能力。 將這些分析儀當作客製化分析器的基礎。
  • RAG 分析器:以語意理解萃取內容,用於搜尋與 AI 應用。 它們是針對檢索增強生成情境優化的。 範例包括 prebuilt-documentSearch 和 prebuilt-videoSearch。
  • 領域專屬分析器:預先配置針對特定文件類型與產業,如發票、收據、身分證文件及合約。 範例包括 prebuilt-invoice、 prebuilt-receipt、 prebuilt-idDocument和 。
  • 自訂分析儀:透過擴充基礎分析器,加入自訂欄位結構與配置,以符合特定需求而建立的分析器。

欲了解更多資訊及完整的領域專用分析器清單,請參閱 預建分析器。

註

使用 API 版本 2026-06-01-preview 建置的文件分析器,也能在需要推理證據以建立答案的情境中使用 代理模式 ,例如計算與驗證。 初步預覽支援每個分析請求一個輸入檔案。

分析儀配置結構

使用具有多個頂層屬性的 JSON 物件定義分析器配置。 您可以配置以下元件:

以下是一個簡短範例,展示分析儀配置的整體結構:

{
  "analyzerId": "myCustomInvoiceAnalyzer",
  "description": "Extracts vendor information, line items, and totals from commercial invoices",
  "baseAnalyzerId": "prebuilt-document",
  "config": {
    "enableOcr": true
  },
  "fieldSchema": {
    "fields": {
      "vendorName": {
        "type": "string"
      }
    }
  },
  "models": {
    "completion": "gpt-5.2",
    "embedding": "text-embedding-3-large"
  }
}

分析儀特性

利用這些特性來獨特地識別並描述你的分析儀:

analyzerId

  • 說明: 分析儀的唯一識別碼。 使用此識別碼在 API 呼叫中參考分析器。
  • 範例:"prebuilt-invoice""myCustomAnalyzer"
  • 指引:
    • 使用描述性名稱來指示分析器的用途。
    • 對於自訂分析器,選擇不會與預設分析器名稱衝突的名稱。
    • 使用字母、數字、點或底線。

name

  • 說明: 使用者介面與文件中顯示的人類可讀顯示名稱。
  • 範例:"Invoice document understanding""Custom receipt processor"

description

  • 說明: 簡要說明分析儀的功能及處理的內容。 AI 模型在現場擷取時會將這些描述作為上下文,因此清晰的描述能提升萃取準確度。
  • 範例:"Analyzes invoice documents to extract line items, totals, vendor information, and payment terms"
  • 指引:
    • 要具體說明分析儀萃取的內容。
    • 說明它支援的內容類型。
    • 保持簡潔但資訊豐富。
    • 撰寫清晰的描述,引導 AI 模型理解。

baseAnalyzerId

  • 說明: 參考一個父分析器,該分析器繼承其配置。
  • 支援的基底分析器:
    • "prebuilt-document" - 用於文件式客製化分析器
    • "prebuilt-audio" - 用於基於音訊的客製化分析儀
    • "prebuilt-video" - 用於基於影像的客製化分析儀
    • "prebuilt-image" - 用於基於影像的客製化分析儀
  • 範例:"baseAnalyzerId": "prebuilt-document"

註

當你指定基礎分析器時,你的自訂分析器會繼承所有預設設定,並能覆蓋特定設定。

模型配置

models

  • 說明: 指定使用此分析器處理時應使用的 Foundry 模型名稱。 這些是服務使用的型號名稱(非部署名稱)。 它們必須與基礎分析儀中的某一者 supportedModels 相符。 Content Understanding 支援的完整模型列表請參考 supported models。
  • 屬性:
    • completion - 完成任務的模型名稱(例如田野提取、分割、圖解分析)
    • embedding - 嵌入任務的模型名稱(使用知識庫)
  • 重要: 這些型號名稱來自 Foundry 目錄,而非部署名稱。 執行時,服務會將這些模型名稱映射到你在資源層級實際配置的模型部署。
  • 範例:
    {
      "completion": "gpt-5.2",
      "embedding": "text-embedding-3-large"
    }
    

請參閱「 將您的內容理解資源與 Foundry 模型連結 」以了解如何配置連接模型。

處理配置

物件包含 config 所有控制內容分析方式的處理選項。 這些選項依功能分為以下類別:

設定物件屬性

一般選項

workflow
  • 請求值:"default""agentic"
  • 預設:"default"
  • 說明: 當你建立文件分析器時,會選擇工作流程。 使用 "default"或省略該屬性,讓服務根據分析器設定選擇工作流程。 用於 "agentic" 啟用 代理模式 ,以強化對複雜文件的推理。
  • 回應值: 服務在建立分析器時會解析請求值。 建立或更新回應,回應GET會回傳一個版本化的工作流程家族值。config.workflow
  • 成本影響: 解決的工作流程家族決定情境化速率。 以 開頭的 standard 數值則使用標準的情境化率。 其他所有家族,包括 advanced、 agentic,以及未來的服務支援工作流程家族,則使用進階情境化速率。 代理模式也可能消耗更多模型標記,且比非代理分析花費更長時間。
  • 支持單位: 具備 API 版本 2026-06-01-preview的文件分析器。 初始代理模式預覽支援每個分析請求一個輸入檔案。
  • 範例:
    {
      "config": {
        "workflow": "agentic"
      }
    }
    

下表顯示該服務如何解析 workflow 自訂分析器:

分析器建立情境 請求值 回歸 config.workflow 情境化率
API 版本或更早版本2025-11-01 無法提供 standard.2025-11-01 當使用 preview API 取得時 標準
無標記資料的預覽 API "default" 或省略 standard.2026-06-01-preview 標準
帶有標記資料的預覽 API "default" 或省略 advanced.2026-06-01-preview 進階
具備代理模式的預覽 API "agentic" agentic.2026-06-01-preview 進階

預建分析器會回傳服務指派、版本控制 standard 或 advanced 工作流程值。 工作流程族識別適用的情境化率。

returnDetails
  • 預設值: false(依分析分析器而異)
  • 說明: 控制回應中是否包含詳細資訊,如信心分數、邊界框、文字範圍及元資料。
  • 使用時機:
    • 在除錯擷取問題時,將其設定為 true。
    • 當你需要位置資訊來提取資料時,
    • 當驗證時需要信心分數。
    • 用於品質保證和測試。
  • 對回應的影響: 隨著更多元資料大幅增加回應大小。

文件內容擷取選項

enableOcr
  • 預設: 真
  • 說明: 啟用光學字元辨識技術,從影像及掃描文件中擷取文字。
  • 使用時機:
    • 啟用掃描文件、照片及以圖片為主的 PDF 功能。
    • 為了提升效能,請關閉原生數位 PDF 檔案。
  • 支援來自: 文件分析器。
enableLayout
  • 預設: 真
  • 說明: 擷取版面資訊,包括段落、行、字、閱讀順序及結構元素。
  • 使用時機:
    • 理解文件結構與階層的必要條件。
    • 這對於準確擷取段落與章節是必要的。
    • 如果只需要原始文字擷取,請關閉。
  • 支援來自: 文件式分析器。
enableFormula
  • 預設: 真
  • 說明: 偵測並擷取 LaTeX 格式的數學公式與方程式。
  • 使用時機:
    • 支援科學論文、研究文件、技術文件。
    • 適用於協助工具需求 (替代文字產生)。
  • 支援來自: 文件式分析器。
enableBarcode
  • 預設: 真
  • 說明: 偵測並擷取條碼與 QR 碼,回傳解碼後的數值。
  • 使用時機:
    • 啟用庫存文件、運送標籤、產品文件。
    • 當條碼不存在時關閉,以提升效能。
  • 支援來自: 文件式分析器。
  • 支援的條碼類型: QR Code、PDF417、UPC-A、UPC-E、代碼 39、Code 128、EAN-8、EAN-13、DataBar、Code 93、Codabar、ITF、Micro QR Code、Aztec、Data Matrix、MaxiCode。

表格與圖表選項

tableFormat
  • 預設:"html"
  • 支持價值:"html""markdown"
  • 說明: 指定擷取資料表的輸出格式。
  • 使用時機:
    • 請使用 "html" 進行網頁渲染,或在需要保持複雜表格結構時使用。
    • 在文件或基於文字的處理中使用 "markdown" 來製作簡單表格。
  • 支援來自: 文件式分析器。
chartFormat
  • 預設:"chartjs"
  • 支持的價值觀:"chartjs"
  • 說明: 規定擷取圖表資料的格式。 與 Chart.js 函式庫相容。
  • 使用時機:
    • 從長條圖、折線圖和圓餅圖中提取資料時,
    • 在將視覺圖表轉換成結構化資料以便重新渲染時,
  • 支援來自: 文件式分析器。

圖與影像分析選項

enableFigureDescription
  • 預設: false
  • 說明: 生成自然語言文本描述,用於圖像、圖表、圖片和插圖。
  • 使用時機:
    • 適用於協助工具需求 (替代文字產生)。
    • 用來理解圖表和流程圖。
    • 用來從資訊圖表中提取洞見。
  • 支援來自: 文件式分析器。
enableFigureAnalysis
  • 預設: false
  • 說明: 進行更深入的圖表分析,包括圖表資料擷取及圖表組件識別。
  • 使用時機:
    • 用來從文件中嵌入的圖表中提取結構化資料。
    • 用來理解複雜的圖表。
    • 詳細的人物分類。
  • 支援來自: 文件式分析器。

註解選項

annotationFormat
  • 預設:"markdown"
  • 支持的價值觀:"markdown"
  • 說明: 指定回傳註解的格式。
  • 支援來自: 文件式分析器。

場域擷取選項

estimateFieldSourceAndConfidence
  • 預設值: false(依分析分析器而異)
  • 說明: 回傳每個擷取欄位值的來源位置(頁碼、邊界框)及信心分數。
  • 使用時機:
    • 用於驗證與品質保證工作流程。
    • 為了了解提取的準確性。
    • 用來偵錯資料擷取問題。
    • 用於在使用者介面中標示原始文字。
  • 支持單位: 文件分析器,適用於所有文件欄位類型(extract、 classify及 generate 方法)。

音訊與影像選項

locales
  • 預設:[] (空陣列)
  • 說明: 針對特定語言的處理所用的語系與語言代碼列表,主要用於轉錄。
  • 支援的值: BCP-47 語言代碼(例如,["en-US", "es-ES", "fr-FR", "de-DE"])
  • 使用時機:
    • 用於多語言音頻轉錄。
    • 為了更精確地指定預期語言。
    • 用於處理特定區域變體的內容。
  • 支援單位:prebuilt-audio, prebuilt-video, prebuilt-callCenter

註

有關完整支援語言與地區的清單,請參見 語言與地區支援。

分類選項

contentCategories
  • 預設: 未設定
  • 說明: 定義類別或內容類型,用於自動分類並路由至專門處理程序。 搭配 enableSegment set to false 使用時,目前僅支援用於文件。 它會分類整個檔案。 當與 一起使用 enableSegment=true時,檔案會根據這些類別拆分成區塊,每個區段都會被分類,並可選擇性地由類別專屬的分析器處理。 總是從可用類別列表中選擇一個選項。
  • 結構: 每個類別包含:
    • description - (必要)類別或文件類型的詳細描述。 此描述作為提示,引導 AI 模型決定區段邊界與分類。 包含區分特徵,幫助辨識一個類別的結束與另一個的開始。
    • analyzerId - (可選)參考其他分析器以用於此類別。 參考分析器是連結式的,而非複製式,確保行為一致。 若省略,則僅進行分類,無需額外處理(僅分割情境)。
  • 模型使用: 父分析器 models 屬性中指定的模型僅用於分割與分類。 每個子分析器使用自己的模型配置來擷取。
  • enableSegment 的行為:
    • enableSegment: true: 內容依類別描述分為多個區段。 每個區段都被歸類為定義的類別之一。 回傳原始內容物件中的區段元資料,並針對指定 analyzerId 為 的區段回傳更多內容物件。
    • enableSegment: false: 整個內容被整體分類為同一類別,並依此路由。 對於不需拆分的階層分類非常有用。
  • 類別配對: 若未定義「其他」或「預設」類別,內容將被強制歸類至列出的其中一個類別。 加入「其他」類別,以優雅地處理未能匹配的內容。
  • 支援單位: 文件分析工具與影片分析工具。 對於影片,你只能定義一個內容類別。
enableSegment
  • 預設: false
  • 說明: 啟用內容分割,根據 中 contentCategories指定的類別將檔案拆分成區塊。 每個區段隨後被歸類為定義的類別之一,進行選擇性處理。
  • 分群行為: 該服務透過分析內容與類別描述,將內容劃分為邏輯單元。 段界的確定方式如下:
    • 文件: 分類描述結合內容結構(頁面、章節、格式變更)。
    • 影片: 類別描述結合視覺線索(鏡頭轉換、場景轉換、時間界限)。 目前只支援一個 contentCategory。
  • 使用時機:
    • 處理混合內容批次,不同零件需要不同處理(例如包含發票與收據的 PDF)。
    • 將長文件拆分成分類區塊以便選擇性分析。
    • 依照內容類型分析影片(例如,將廣告與主要內容分開)。
  • 產出結構:
    • 回傳 segments 內容物件中的陣列,包含每個區段(ID、邊界、類別)的中繼資料。
    • 每個段都包含其從contentCategories獲得的分類類別。
    • 對於指定類別 analyzerId 的區段,會回傳更多內容物件。
  • 階層式分割: 若類別分析器同時具備 enableSegment: true,則可遞迴拆分,實現多層次內容拆解。
  • 效能影響: 對於大型檔案,尤其是多段檔案,會增加處理時間。
  • 支援單位: 文件分析工具與影片分析工具。
segmentPerPage
  • 預設: false
  • 說明: 啟用分段時,請強制每頁一個分段,而非使用邏輯內容邊界。 取代了對單獨「每頁」分割模式的需求。
  • 使用時機:
    • 逐頁處理工作流程。
    • 每一頁都應被視為獨立的單位。
    • 對個別頁面進行平行處理。
    • 多頁文件中頁面層面的欄位擷取。
    • 混合文件批次,每頁是不同類型的文件。
  • 支援來自: 文件式分析器。
omitContent
  • 預設: false
  • 說明: 當 true時,會將原始內容物件排除在回應之外。 當使用 contentCategories時,回應僅包含結構化欄位資料或子分析器的內容物件。
  • 使用時機:
    • 當您只需要擷取的欄位值時。
    • 在具有 contentCategories 的組合分析器中,僅傳回已分類結果。
    • 對於階層式分類鏈,僅回傳葉片分析結果。
  • 範例 - 選擇性分析:
    {
      "config": {
        "enableSegment": true,
        "contentCategories": {
          "invoice": { "analyzerId": "prebuilt-invoice" },
          "other": { }  // Categorize but don't process
        },
        "omitContent": true  // Only return invoice analysis results
      }
    }
    
  • 支援來自: 文件分析器。

場域配置

這個 fieldSchema 屬性定義了分析器從內容中擷取的結構化資料。 它規定了欄位、類型,以及如何提取它們。

設計意圖:結構化萃取

欄位結構將非結構化內容轉換成結構化且可查詢的資料。 該結構同時具有以下兩種作用:

  • 一份定義擷取哪些資料的合約
  • 關於 AI 模型的 指南 ,教你該注意什麼以及如何解讀它

欄位架構結構

{
  "fieldSchema": {
    "name": "InvoiceAnalysis",
    "fields": {
      "VendorName": {
        "type": "string",
        "description": "Name of the vendor or supplier",
        "method": "extract"
      },
      "InvoiceTotal": {
        "type": "number",
        "description": "Total amount due on the invoice",
        "method": "extract"
      },
      "LineItems": {
        "type": "array",
        "items": {
          "type": "object",
          "properties": {
            "Description": { "type": "string" },
            "Quantity": { "type": "number" },
            "UnitPrice": { "type": "number" },
            "Amount": { "type": "number" }
          }
        },
        "description": "List of items on the invoice, typically in a table format",
        "method": "generate"
      }
    }
  }
}

欄位結構性質

name

  • 說明: 結構名稱,通常描述內容類型或使用情境
  • 範例:"InvoiceAnalysis", "ReceiptExtraction", "ContractFields"

fields

  • 說明: 物件定義每個要擷取的欄位,欄位名稱作為鍵。 空物件 {} 表示未擷取結構化欄位(例如僅執行版面分析器)。
  • 階層式支援: 支援巢狀欄位,使用 object 和 array 類型來表示複雜資料結構。
  • 最佳實務: 避免深度巢狀(超過兩到三層),因為這會降低效能和擷取準確度

欄位定義屬性

物件中的 fields 每個欄位具有以下性質:

type

  • 支援值:"string", "number", "boolean", "date""object", ,"array"
  • 說明: 欄位值的資料型態。 選擇最適合你資料語意的類型,以達到最佳萃取效果。
  • 自動正規化: 對於支援的類型欄位,Content Understanding 會自動將回傳值標準化為標準格式(例如一致日期格式)。

description

  • 說明: 清楚說明該領域包含什麼內容及在哪裡可以找到。 AI 模型會將此描述視為一個迷你提示,引導田間採集,因此具體性與清晰度直接提升萃取準確度。

關於撰寫有效田野描述的資訊,請參閱 田間萃取的最佳實務。

method

  • 支援值:"generate", "extract", "classify"
  • 說明: 此領域應採用的萃取方法。 當你沒有指定方法時,系統會根據欄位類型和描述自動決定最佳方法。
  • 方法類型:
    • "generate" - 數值可透過 AI 模型自由產生,基於內容(最適合需要解釋的複雜或變數領域)
    • "extract" - 值依內容呈現而擷取(最適合從特定位置擷取文字)。 此欄位需 estimateSourceAndConfidence 將 extract 設定為 true 。
    • "classify" - 數值依照預先定義的類別集合分類(最佳方式是 enum 使用固定的可能值集合)
estimateSourceAndConfidence
  • 預設: false
  • 說明: 回傳此欄位值的來源位置(頁碼、邊界框)及信心分數。 對於 method = extract 的欄位,必須為 true。 此特性覆蓋分析儀層級 estimateFieldSourceAndConfidence 的特性。
  • 使用時機:
    • 用於驗證與品質保證工作流程。
    • 為了了解提取的準確性。
    • 用來偵錯資料擷取問題。
    • 用於在使用者介面中標示原始文字。
  • 支持單位: 文件分析器,適用於所有文件欄位類型(extract、 classify及 generate 方法)。

items (針對陣列類型)

  • 說明: 定義陣列中項目的結構
  • 屬性:
    • type- 陣列項目類型("string", , "number""object")
    • properties - 對於物件項目,定義巢狀欄位結構

properties (針對物件類型)

  • 說明: 定義物件內巢狀欄位的結構
  • 範例:
    {
      "Address": {
        "type": "object",
        "properties": {
          "Street": { "type": "string" },
          "City": { "type": "string" },
          "State": { "type": "string" },
          "ZipCode": { "type": "string" }
        },
        "description": "Complete mailing address"
      }
    }
    

完整分析儀範例

以下是一個完整的客製化發票分析器配置範例,展示了本參考文獻中討論的關鍵概念:

{
  "analyzerId": "myCustomInvoiceAnalyzer",
  "name": "Custom Invoice Analyzer",
  "description": "Extracts vendor information, line items, and totals from commercial invoices",
  "baseAnalyzerId": "prebuilt-document",
  "config": {
    "returnDetails": true,
    "enableOcr": true,
    "enableLayout": true,
    "tableFormat": "html",
    "estimateFieldSourceAndConfidence": true,
    "omitContent": false
  },
  "fieldSchema": {
    "name": "InvoiceFields",
    "fields": {
      "VendorName": {
        "type": "string",
        "description": "Name of the vendor or supplier, typically found in the header section",
        "method": "extract"
      },
      "VendorAddress": {
        "type": "object",
        "properties": {
          "Street": { "type": "string" },
          "City": { "type": "string" },
          "State": { "type": "string" },
          "ZipCode": { "type": "string" }
        },
        "description": "Complete vendor mailing address"
      },
      "InvoiceNumber": {
        "type": "string",
        "description": "Unique invoice number, often labeled as 'Invoice #' or 'Invoice No.'",
        "method": "extract"
      },
      "InvoiceDate": {
        "type": "date",
        "description": "Date the invoice was issued, in format MM/DD/YYYY",
        "method": "extract"
      },
      "DueDate": {
        "type": "date",
        "description": "Payment due date",
        "method": "extract"
      },
      "LineItems": {
        "type": "array",
        "items": {
          "type": "object",
          "properties": {
            "Description": {
              "type": "string",
              "description": "Item or service description"
            },
            "Quantity": {
              "type": "number",
              "description": "Quantity ordered"
            },
            "UnitPrice": {
              "type": "number",
              "description": "Price per unit"
            },
            "Amount": {
              "type": "number",
              "description": "Line total (Quantity × UnitPrice)"
            }
          }
        },
        "description": "List of items or services on the invoice, typically in a table format",
        "method": "generate"
      },
      "Subtotal": {
        "type": "number",
        "description": "Sum of all line items before tax",
        "method": "extract"
      },
      "Tax": {
        "type": "number",
        "description": "Tax amount"
      },
      "Total": {
        "type": "number",
        "description": "Total amount due (Subtotal + Tax)"
      },
      "PaymentTerms": {
        "type": "string",
        "description": "Payment terms and conditions (for example, 'Net 30', 'Due upon receipt')",
        "method": "generate"
      }
    }
  },
  "supportedModels": {
    "completion": ["gpt-5.2"],
    "embedding": ["text-embedding-3-large", "text-embedding-3-small"]
  },
  "models": {
    "completion": "gpt-5.2",
    "embedding": "text-embedding-3-large"
  }
}

建立自訂分析儀

若要根據本文件中描述的配置結構建立自訂分析器,請使用 Content Understanding REST API 提交您的分析器定義。

API 端點

請使用以下 curl 指令,從 JSON 檔案提交分析器設定,建立自訂分析器:

curl -X PUT "https://{endpoint}/contentunderstanding/analyzers/{analyzerId}?api-version=2025-11-01" \
  -H "Content-Type: application/json" \
  -H "Ocp-Apim-Subscription-Key: {key}" \
  -d @analyzer-definition.json

替換以下佔位符:

  • {endpoint} - 您的內容瞭解資源端點
  • {analyzerId} - 分析器的唯一識別碼
  • {key} - Your Content Understanding 訂閱金鑰
  • analyzer-definition.json - 分析儀設定檔的路徑

請求機構

分析器設定檔應該是一個包含本參考資料中屬性的 JSON 物件。 完整範例請參考 「建立自訂分析器」教學。

回應

API 會回傳一個帶有 201 Created 標頭的 Operation-Location 回應,可用來追蹤分析器創建操作的狀態。

下一步

如需完整攻略及不同內容類型(文件、圖片、音訊、影片)範例,請參閱 「建立自訂分析器」。

依內容類型配置

不同內容類型支援不同的設定選項。 這裡有個快速參考:

文件分析器

基礎分析儀:prebuilt-document

支援的配置選項:

  • ✅ returnDetails
  • ✅ omitContent
  • ✅ enableOcr
  • ✅ enableLayout
  • ✅ enableFormula
  • ✅ enableBarcode
  • ✅ tableFormat
  • ✅ chartFormat
  • ✅ enableFigureDescription
  • ✅ enableFigureAnalysis
  • ✅ enableAnnotations
  • ✅ annotationFormat
  • ✅ enableSegment
  • ✅ segmentPerPage
  • ✅ estimateFieldSourceAndConfidence (結構化分析器)
  • ✅ contentCategories (多變體分析儀)

音訊分析儀

基礎分析儀:prebuilt-audio

支援的配置選項:

  • ✅ returnDetails
  • ✅ locales

影像分析儀

基礎分析儀:prebuilt-video

支援的配置選項:

  • ✅ returnDetails
  • ✅ locales
  • ✅ contentCategories
  • ✅ enableSegment
  • ✅ omitContent

影像分析儀

基礎分析儀:prebuilt-image

支援的配置選項:

  • ✅ returnDetails

內容篩選條件會產生分析回覆

當 Foundry 模型部署處理內容時,相關的 Guardrails 實例會評估輸入提示與模型完成,以判斷是否有潛在有害內容。 如果任何類別被標記或封鎖,內容理解會在分析回應中加入 content_filters 陣列。

陣列中的 content_filters 每個物件具有以下結構:

財產 類型 描述
blocked 布林值 true 如果內容被 Guardrails 實例阻擋; false 如果內容有註解但仍被允許通過。
source_type 字串 旗標是來自模型輸入("prompt")還是模型輸出("completion")。
content_filter_raw 陣列 來自 Guardrails 實例的原始過濾器輸出。 可能已經空了。
content_filter_results 物件 各類別嚴重程度評分。 每個範疇包含 filtered (布林值) 和 severity ("safe", "low", "medium", 或 "high")。

以下類別可能出現在 content_filter_results:

分類 描述
hate 基於受保護的特徵進行攻擊或使用貶義語言的內容。
sexual 露骨或暗示性內容。
violence 描繪或美化暴力行為的內容。
self_harm 推廣或描述自我傷害的內容。

範例 content_filters 輸出

以下範例顯示一則content_filters條目,其中因高嚴重性色情內容而完全遭到封鎖:

"content_filters": [
  {
    "blocked": true,
    "source_type": "completion",
    "content_filter_raw": [],
    "content_filter_results": {
      "hate": {
        "filtered": false,
        "severity": "safe"
      },
      "sexual": {
        "filtered": true,
        "severity": "high"
      },
      "violence": {
        "filtered": false,
        "severity": "safe"
      }
    }
  }
]

當 blocked 是 true 時,分析操作會回傳錯誤回應,且不包含欄位擷取結果。 當blocked是false且類別顯示非零嚴重性時,內容會加上註解並通過—您可以檢查content_filter_results以決定如何在自己的工作流程中處理輸出。

內容過濾器行為的變更

內容過濾閾值與區塊/註解行為會在綁定於 Foundry 模型部署的 Guardrails 實例中設定。 改變行為的方法:

  1. 在您的 Azure AI Foundry 專案中,請導覽到分析器所使用的模型部署。
  2. 選擇相關的護欄設定。
  3. 根據需要調整閾值或將分類從 區塊 切換到 註解 。

如果你需要以預設不允許的方式減少或停用某個篩選類別,你可以申請修改內容篩選。 欲了解更多資訊,請參閱 內容過濾與護欄。