在 生成式 AI 中使用视觉驱动的 Document Automation 模型，从包含复选框、签名、复杂表格及其他视觉结构化内容的文档中提取数据。 这些模型通过减少人工干预来简化工作流程，并由 Microsoft OpenAI 和 Anthropic Claude 等提供商在各个地区提供支持。
注： 要使用视觉驱动的 生成式 AI 模型，必须使用 文档提取
软件包 版本 3.35.14 或更高版本
在 Document Automation 中集成视觉驱动的 生成式 AI 模型将有助于处理具有视觉复杂结构的文档，例如识别复选框和检测签名。
添加 @GenAIVision 提示标签，以指示 文档提取 引擎使用视觉驱动的 生成式 AI 模型进行数据提取。 有关更多信息，请参阅 在 生成式 AI 提示中使用提示标签。
功能
下图展示了在 Document Automation 中使用的视觉驱动 生成式 AI 模型的一些功能：
具有视觉驱动 生成式 AI 模型的 Document Automation 提供了以下优于其他 生成式 AI 模型的增强功能：
- 布局分析
- 表单字段识别
- 表格识别
- 图像和图形识别
- 签名和复选框识别
优势
视觉驱动的 生成式 AI 模型提供以下优势：
- 无缝数据提取
- 从包含嵌套行、合并列和分段的复杂表格中提取数据。 识别并捕获选择元素，例如复选框。
- 支持常见的业务文档类型
- 处理业务工作流中常用的文档类型，包括发票、采购订单、医疗保健文档和供应链文档。
- 最低配置
- 使用无需额外训练即可工作的预训练模型，其中使用搜索查询来识别和提取信息。
地区支持矩阵
以下表格提供了由不同地区的 生成式 AI 提供商支持的视觉驱动 生成式 AI 模型：
注：
- 如果您使用自带密钥 (BYOK)（在您自己的账户中托管的模型），则此矩阵中提供的信息不适用。 有关如何配置 BYOK 的说明，请参阅 提取数据 操作。
- 使用 BYOK 时，请使用 模型连接。 请参阅 在 Document Automation 中使用 模型连接。
| 地区 | 提供商 | 是否支持视觉驱动的 生成式 AI 模型？ | 支持的 生成式 AI 模型 |
|---|---|---|---|
| 美国 | Microsoft OpenAI | 是 | GPT-5.1 |
| Anthropic Claude (Amazon Bedrock) | 是 | Claude Haiku 4.5 | |
| Google Gemini | 是 | Gemini 2.5 Flash | |
| 欧洲地区 | Microsoft OpenAI | 是 | GPT-5.1 |
| Anthropic Claude (Amazon Bedrock) | 是 | Claude Haiku 4.5 | |
| Google Gemini | 是 | Gemini 2.5 Flash | |
| 澳大利亚 | Microsoft OpenAI | 是 | GPT-4.0 |
| Anthropic Claude (Amazon Bedrock) | 是 | Claude Haiku 4.5 | |
| 印度 | Microsoft OpenAI | 是 | GPT-4.0 |
| Anthropic Claude (Amazon Bedrock) | 是 | Claude 3 Haiku | |
| 加拿大 | Microsoft OpenAI | 是 | GPT-4.0 |
| 日本 | Microsoft OpenAI | 是 | GPT-4.0 |
更多资源
要了解更多详情，请在 Automation Anywhere University: RPA Training and Certification (A-People login required) 中搜索 Vision Powered 生成式 AI Data Extraction 课程。