Qué hace Google Document AI OCR
Enterprise Document OCR es uno de los procesadores de Document AI de Google Cloud. Usted envía un PDF o una imagen (PDF, GIF, TIFF, JPEG, PNG, BMP o WebP; DOCX está en versión preliminar privada) y recibe un objeto Document en JSON con el texto, las páginas, los bloques, las líneas, los tokens y sus posiciones. Lee texto impreso y manuscrito, puede combinar el texto incrustado de los PDF digitales con los resultados del OCR (análisis nativo de PDF) y asigna a cada página una puntuación de calidad de imagen de 0 a 1, enumerando los posibles defectos, como desenfoque, reflejos o texto cortado, cuando la puntuación es inferior a 0.5. Google indica que admite más de 200 idiomas; la escritura a mano figura como no compatible en una docena de ellos, entre ellos hebreo, tailandés, tamil y telugu.
La configuración sigue el flujo habitual de Google Cloud: cree un proyecto, habilite la API de Document AI, cree un procesador Enterprise Document OCR en una región (EE. UU., UE y varias más) y llámelo desde la API REST o las bibliotecas cliente. Las solicitudes en línea (síncronas) admiten hasta 15 páginas y 40 MB (30 páginas en modo sin imágenes); las solicitudes por lotes admiten hasta 500 páginas por documento, 1 GB por archivo y 5.000 archivos por solicitud. Las versiones estables del modelo son pretrained-ocr-v2.0-2023-06-02 y pretrained-ocr-v2.1-2024-08-07, con v2.1.1 como versión candidata fuera de EE. UU. y la UE.
