Bild-zu-Text

Das Tool führt eine Bild-zu-Text-Umwandlung mit Azure OCR und Form Recognizer durch. Es akzeptiert gängige Bildformate (JPEG, PNG, TIFF) und PDFs, mit optionalen Sprachhinweisen zur Verbesserung der Genauigkeit. Die Ausgabe umfasst reinen Text und strukturierte Metadaten, geeignet für Ingestions-Pipelines.
Konzeptionell führt die Pipeline eine Vorverarbeitung jeder Seite durch, erkennt gedruckten Text (in begrenztem Umfang auch handschriftlichen Text), analysiert das Layout, um Wörter in Zeilen, Blöcke und Tabellen zu gruppieren, und gibt dann einen sauberen Textstrom zusammen mit Konfidenz pro Block und Koordinaten zurück.
Zielgruppe und Anwendungsfälle umfassen Entwickler, die Dokumenteneinzüge erstellen, Finanzteams, die Rechnungen und Belege verarbeiten, Forscher, die Archivmaterial digitalisieren, und Dateningenieure, die Downstream-Analysen antreiben. Die Azure-basierte Engine unterstützt mehrsprachige Inhalte und konsistentes Verhalten über Dateitypen hinweg.
Besondere Werte und Funktionen umfassen optionale Formular- und Tabellenextraktion, Spracherkennung, pro-Seite-Ausgaben und Konfidenzmetriken. Sie ermöglicht den automatisierten Export in nachgelagerte Systeme (JSON, CSV) und lässt sich in ETL-Pipelines oder Batch-Jobs integrieren.