О чём урок
Этот ноутбук демонстрирует четыре ключевые возможности Mistral OCR-4 через конечную точку Azure AI Foundry:
Модель: mistral-ocr-4-0 через Azure AI FoundryСправочная информация: Документация Mistral OCR
OCR-4 возвращает пиксельно-точные координаты для каждого распознанного блока содержимого через параметр include_blocks. Каждый блок содержит:
Все координаты указаны в пикселях изображения при DPI, указанном в page.dimensions.
OCR-4 классифицирует каждую извлеченную область в один из 13 типов семантических блоков:
Блоки возвращаются в порядке чтения и включают пиксельные координаты, что делает их полезными для последующего анализа макета.
OCR-4 предоставляет оценки достоверности с двумя уровнями детализации через параметр confidence_scores_granularity:
Оценки варьируются от **0 до 1**. Значения ниже ~0.8 обычно указывают на неоднозначные символы, области с низким разрешением или необычные шрифты.
Mistral OCR-4 поддерживает **более 40 языков** без необходимости указывать параметр языка — модель автоматически определяет письменность и язык.
**Поддерживаемые семейства письменностей (неполный список):**
Ключевые особенности:
- **Не требуется языковой тег** — одна конечная точка, все языки
- **Документы со смешанными языками** обрабатываются за один проход
- **Локализованные форматы чисел/дат** (например, 1.234,56 против 1,234.56) корректно анализируются
- **Письменности с направлением справа налево (RTL)** (арабский, иврит) корректно располагаются в порядке чтения
Все четыре функции свободно комбинируются — один вызов API с include_blocks: true и confidence_scores_granularity: 'word' возвращает полную структурную декомпозицию, информацию о достоверности и языконезависимый текст за один цикл обмена данными.
План урока
- 0. Настройка
- 1. Обнаружение ограничивающих рамок
- 2. Классификация блоков
- 3. Оценки достоверности
- 4. Многоязычные возможности
- Сводка
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.