Google Document AI OCR의 기능
Enterprise Document OCR은 Google Cloud의 Document AI에 포함된 프로세서 중 하나입니다. PDF 또는 이미지(PDF, GIF, TIFF, JPEG, PNG, BMP, WebP이며, DOCX는 비공개 미리보기)를 보내면 텍스트, 페이지, 블록, 줄, 토큰과 그 위치 정보가 담긴 JSON 형식의 Document 객체를 받게 됩니다. 인쇄체와 필기체 텍스트를 모두 읽고, 디지털 PDF에 포함된 텍스트를 OCR 결과와 병합할 수 있으며(네이티브 PDF 파싱), 각 페이지의 이미지 품질을 0에서 1까지의 점수로 평가합니다. 점수가 0.5 미만이면 흐림, 눈부심(glare), 잘린 텍스트와 같이 가능성이 높은 결함을 함께 나열합니다. Google은 200개 이상의 언어를 처리한다고 밝히고 있으며, 히브리어, 태국어, 타밀어, 텔루구어를 포함한 12개 언어에서는 필기체 인식이 지원되지 않는 것으로 표시되어 있습니다.
설정은 일반적인 Google Cloud 절차를 따릅니다. 프로젝트를 만들고, Document AI API를 활성화하고, 리전(미국, EU 및 기타 여러 리전)에서 Enterprise Document OCR 프로세서를 생성한 다음, REST API 또는 클라이언트 라이브러리로 호출합니다. 온라인(동기) 요청은 최대 15페이지와 40 MB까지 처리하며(이미지리스 모드에서는 30페이지), 배치 요청은 문서당 최대 500페이지, 파일당 1 GB, 요청당 5,000개 파일까지 처리합니다. 안정 모델 버전은 pretrained-ocr-v2.0-2023-06-02와 pretrained-ocr-v2.1-2024-08-07이며, v2.1.1은 미국과 EU 외 지역에서 릴리스 후보입니다.
