本文档介绍了使用 Document AI 的基本概念。在继续阅读任何其他文档或快速入门之前，您应先阅读本页内容。
实现文档处理工作流自动化
世界各地的企业都严重依赖文档来存储和传达信息。 这些信息通常需要数字化才能发挥作用。不过，这通常是通过耗时的手动流程完成的。
例如：
- 将图书数字化，以便在电子阅读器上阅读。
- 在诊所处理医疗登记表。
- 解析收据和账单，以验证费用报告。
- 根据身份证件验证身份。
- 从纳税表单中提取收入信息，以便审批贷款。
- 了解关键业务协议条款的合同。
每个工作流都涉及从文档中获取原始文本，然后从中提取与所需数据（字段或实体）对应的特定文本。不过，每种文档类型都有不同的结构和布局，并且字段模式因具体用例而异。
Document AI 组件
Document AI 是一个文档处理和理解平台，可从文档中获取非结构化数据并将其转换为结构化数据（特定字段，适合数据库），使数据更易于理解、分析和使用。
Document AI 基于 Vertex AI 中的产品构建，并利用生成式 AI 帮助您创建可伸缩的端到端云端文档处理应用，而无需专门的机器学习专业知识。
使用 Document AI，您可以：
- 使用 OCR 将文档数字化，以获取文本、布局和各种插件，例如图片质量检测（用于可读性）和倾斜校正（全自动）。
- 从文档文件中提取文本和布局信息，并对实体进行标准化。
- 识别结构化表单和常规表格中的键值对 (kvp)。例如：
Name: Jill Smith是一个键值对。 - 对文档类型进行分类，以推动提取和存储等下游流程。
- 按类型拆分和分类文档。例如，包含多个真实文档的 PDF 文件。
- 使用自动添加标签、架构管理和数据集管理功能（例如文档和预测结果审核）准备数据集，以便在微调和模型评估中使用。
- 将其与 Cloud Storage、BigQuery 和 Agent Search 等产品集成，以帮助您存储、搜索、整理、治理和分析文档及元数据。
此图展示了 Document AI 支持的所有关键文档处理步骤，以及这些步骤如何相互关联。
处理器
Document AI 处理器位于文档文件和执行文档处理和理解操作的机器学习模型之间。它们可用于对文档进行分类、拆分、解析或分析。
每个 Google Cloud 项目都需要创建自己的处理器实例。
处理器分为以下几类：
- 数字化：OCR。
- 提取：自定义提取器、表单解析器、布局解析器和预训练解析器。
- 分类：自定义敏感类别和自定义拆分器。
如需了解 Document AI 的所有可用处理器类型，请参阅完整处理器和详细信息列表。
我应该使用哪种处理器？
如需确定要为特定应用使用哪种处理器类型，请参考以下一般准则：
| 类别 | 用例 | 处理器类型 |
|---|---|---|
| 数字化 | 从文档中提取文本和布局信息。 | Enterprise Document OCR |
| 分析文档的扫描图片质量（可读性）。 | Enterprise Document OCR（已启用图片质量分析） | |
| 从不符合自定义处理器条件的自定义文档中提取实体。 | ||
| 提取 | 从文档中的结构化表单中提取表格或键值对。 | 表单解析器 |
| 提取文档中的文本、表格和列表等元素，并返回上下文感知型分块。 | Gemini 布局解析器 | |
| 从符合自定义处理器条件的自定义文档中提取实体。 | 创建自定义提取器 | |
| 从专用文档类型中提取实体。 | 预训练处理器（追加训练以提高质量。） | |
| 分类 | 对文档进行分类。 | 创建自定义敏感类别 |
| 拆分文档。 | 创建自定义拆分器 |
此图表有助于确定哪种处理器最适合每种应用场景。
使用 Document AI 处理器
以下是使用 Document AI 开始处理文档的主要步骤：
选择适合您的应用场景的处理器。
- 如需了解每个处理器的完整信息，请参阅处理器及其详情的完整列表。
使用 Google Cloud 控制台或 Document AI API 创建处理器。
Document AI 会创建一个预测端点，您可以在其中发送文档。
如需查看详细说明，请参阅创建处理器。
使用训练和测试数据从头开始训练处理器，或在现有处理器版本的基础上追加训练新的（预训练）处理器版本。
- 如需查看详细说明，请参阅训练处理器。
发送您的文件以供处理。