はじめに

動画チュートリアル

動画は英語です（ナレーションと字幕）。

概要

ImageToTable.aiはドキュメント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ったり、ドキュメントに表示されている数値から計算したり、ドキュメントに明記されていない値を判断したり、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たりします。複数ページとして届いたドキュメントの結果は1つのレコードにマージされ、完成したテーブルは並べ替え、合計、フィルタリング、別のシステムへの連携が可能な行と列としてエクスポートされます。どの時点でも手動での再入力は不要です。

ImageToTable.aiとは

ドキュメントを入力し、構造化データを出力します。その間に手動での再入力は一切ありません。ImageToTable.aiを画像、スクリーンショット、PDF、Wordドキュメント、またはプレーンテキストに向けると、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、別のシステムへの連携が可能です。その過程で、テキストの読み取り以上のことを行います。ドキュメントに表示されている数値から値を計算したり、ドキュメントに明記されていない値を判断したり、ページ上の署名、ロゴ、スタンプなどの視覚要素を特定したりできます。

これが置き換える作業は手動データ入力です。レシート、請求書、銀行取引明細書、フォームから値を読み取り、スプレッドシートに行ごとに入力する作業です。ImageToTable.aiを使用すれば、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ドキュメントの結果は1つのレコードにマージされ、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。

一度に1つではなく、ファイルのセットに対して機能します。一緒に提出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となります。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。

このテーブルモードに加えて、Wordに変換は各ページをレイアウトを保持した編集可能なWordドキュメントとして返し、フローチャートやチャートを編集可能な図形やネイティブなWordチャートとして再構築します。列やテンプレートは不要です。Wordに変換を参照してください。

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書かれているかはわかりますが、そのうちどれが販売者、合計、または税額なのかはわかりません。ImageToTable.aiは、ドキュメントに書かれている内容だけでなく、その意味も読み取るため、固定されたラベルがなくても、要求した値を特定できます。また、肖像画や署名などの視覚要素を、テキストを一切読まずに特定することもできます。
エンタープライズ向けドキュメント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、チーム間でドキュメントをルーティングしたり、レコードシステムと統合したりするための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。ドキュメントを入力し、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配置されているかではなく、何を要求するかであるため、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）。AIが各ドキュメントを読み取り、各列名に属する値を返します。解析テンプレートの設計、フィールド周辺のゾーン描画、ドキュメントを使ったモデルのトレーニングは一切不要です。

列名が意味を担うため、レイアウトが異なるドキュメント間でも同じリストが機能します。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がドキュメント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。列が返す値は、その指示が何を要求す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、表示されている値をそのまま取得します。
値を計算する — ドキュメントに表示されている数値（行の合計や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 — ドキュメント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、ページ上の肖像画、署名、ロゴ、または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配置されます。

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、これら4つはすべて、列の指示が何を要求するかによって、同じ方法で設定されます。カスタム列では、各種類の作成方法について説明します。

アカウントがモデルティア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つの実在するドキュメント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、サイト全体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。
テンプレートと列 — テンプレートとは何か、列の構成要素、保存したテンプレートを再利用できる場所。
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。
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。
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。
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。
制限と仕様 — 対応ファイル形式、ページ数・サイズ上限、プラン制限。

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。