はじめに

概要

ImageToTable.aiは文書を構造化データに変換します。ここでの構造化データとは、テキスト値以上のものを意味します。必要な列を指定すると、AIがそれを埋めます。ページから値を読み取り、文書に表示されている数値から計算し、文書に明記されていない値を判断し、署名やロゴなどの視覚要素を特定して画像上の位置を返します。複数ページとして届いた文書の結果は1つのレコードに統合され、完成したテーブルは並べ替え、合計、フィルタリング、別のシステムへの取り込みが可能な行と列としてエクスポートされます。どの時点でも手作業での再入力はありません。

ImageToTable.aiとは

文書を入力し、構造化データを出力します。その間に手作業での再入力はありません。ImageToTable.aiに画像、スクリーンショット、PDF、Word文書、またはプレーンテキストを指定すると、それらが保持する情報を行と列として返します。並べ替え、合計、フィルタリング、結合、別のシステムへの取り込みが可能です。その過程で、テキストの読み取り以上のことを行います。文書に表示されている数値から値を計算し、文書に明記されていない値を判断し、ページ上の署名、ロゴ、スタンプなどの視覚要素を特定できます。

置き換える作業は手動データ入力です。レシート、請求書、銀行明細書、フォームから値を読み取り、1行ずつスプレッドシートに入力する作業です。ImageToTable.aiを使用すると、その入力ステップは不要になり、テーブルはすでに埋められた状態で返されます。

ファイルから完成したテーブルへの経路は毎回同じです。値が抽出され、計算または判断用に設定した列が結果を生成し、複数の部分として届いた文書の結果は1つのレコードに統合され、完成したテーブルは構造化データとしてエクスポートされます。

1つずつではなく、ファイルのセットに対して動作します。一緒に渡したファイルはバッチを形成し、これが処理、レビュー、エクスポートの単位です。ファイルが寄与する行数は、その内容によって異なります。

そうではないもの

この製品がよく一緒に分類される2つのものと、その違いは次のとおりです。

  • テキストのみのOCRツールではありません。 OCRはページ上の文字を読み取り、テキストを返します。レシートにどの単語が記載されているかはわかりますが、そのうちどれが販売元、合計、税額なのかはわかりません。ImageToTable.aiは、文書が言っていることだけでなく意味していることも読み取るため、固定されたラベルがどこにもなくても、要求された値を特定できます。また、テキストを一切読まずに、肖像写真や署名などの視覚要素を特定することもできます。
  • エンタープライズ向け文書ワークフロープラットフォームではありません。 承認フローを設計したり、チーム間で文書をルーティングしたり、記録システムと統合してからでないと何も始まらない、といったシステムではありません。ファイルと、取得したい値のリストから始まり、出力はテーブルです。

この製品が属するカテゴリは構造化データ抽出です。文書を入力し、構造化データを出力します。結果を決定するのはデータがページ上のどこにあるかではなく、何を求めるかであるため、セマンティック抽出またはインテントベース抽出とも呼ばれます。

列を指定すれば、AIが値を特定します

これが全体のモデルです。必要な列をリストアップします（スプレッドシートのヘッダーに入力するのと同じ名前です）。するとAIが各文書を読み取り、各列名に属する値を返します。解析テンプレートを設計したり、フィールドの周囲にゾーンを描画したり、文書用にモデルをトレーニングしたりする必要はありません。

列名が意味を担うため、同じリストはレイアウトが異なる文書にも適用できます。値が毎回同じ場所にある必要はありません。リストは1回の実行に使用することも、再利用可能なテンプレートとして保存することもできます。列名を指定したくない場合は、AIが文書を読み取ってテーブル構造自体を提案することもできます。

列の値は、ページに印刷されたテキストである必要はありません。列が返すものは、その命令が何を求めるかによって決まります。

  • 印刷された値を読み取る — デフォルトで、値をそのまま取得します。
  • 値を計算する — 文書に表示されている数値（行合計や2つの金額の差など）から計算します。
  • 値を判断または推論する — 文書に明記されていない値（レシートが属するカテゴリなど）を決定します。
  • 視覚要素を特定する — テキストを読む代わりに、ページ上の肖像写真、署名、ロゴ、スタンプを見つけてその位置を返します。アプリはその領域の切り抜きプレビューを表示し、特定された要素がテーブルに格納されます。

計算、判断、特定は、この製品を単なるページの読み取りと区別する点であり、4つすべてが同じ方法、つまり列の命令が何を求めるかによって設定されます。カスタム列では、各種類の書き方について説明しています。

アカウントがモデルティアのスケールのどこに位置するかによって、どのAIモデルが処理を行うかが決まり、したがって各ファイルのクレジット数も決まります。1つの実在する文書が複数の写真やページとして届く場合、マルチページマージでそれらの結果を1つのレコードに統合できます。

次のステップ

このページは概要であり、マニュアルではありません。最初の結果に至る最短ルートはクイックスタートにあり、サイトの他の部分で使用される用語は用語集で定義されています。

  • クイックスタート — サインアップから最初の構造化テーブルまでの最短ルートです。
  • テンプレートと列 — テンプレートとは何か、列が何で構成されているか、保存されたテンプレートをどこで再利用できるかについて説明します。
  • カスタム列 — 列が値を直接読み取る方法、計算する方法、推論する方法、または視覚要素を特定する方法について説明します。
  • モデルティア — アカウントの背後にある処理品質レベルと、それがクレジットに与える影響について説明します。
  • マルチページマージ — 複数のファイルとして届いたドキュメントを1つのレコードにまとめる方法について説明します。
  • バッチ — ファイルが処理を通じてどのようにグループ化、命名、追跡されるかについて説明します。
  • 制限と仕様 — 対応ファイル形式、ページ数とサイズの上限、プランの制限について説明します。

WebアプリではなくAPIで構築する場合、開発者向けドキュメントは別サイトにあります。APIドキュメントを参照してください。

📮 contact email: [email protected]