视觉驱动的 生成式 AI 模型利用布局分析和表单字段识别等功能，提高从复杂和非结构化文档中提取数据的准确性，从而增强文档自动化。 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： 确保您使用的是版本 3.35.14 或更高版本的 文档提取 软件包，以便使用视觉驱动的 生成式 AI 模型。

在 文档自动化 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。

当您使用支持视觉驱动的 生成式 AI 模型的软件包时，可以使用 @GenAIVision 提示标签来指示 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 文档自动化 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 模型功能的 文档自动化

具有视觉驱动 生成式 AI 模型的 文档自动化 在以下方面提供了相对于其他 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。
针对实际用例进行开发
克服从各种文档类型中提取数据的挑战，例如发票、采购订单、医疗文档和供应链文档。
轻松设置
使用开箱即用的预训练模型，通过搜索查询来识别和提取信息。

区域支持矩阵

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： 如果您为提供商使用自带许可证 (BYOL)，则不会考虑这些设置。 有关为提供商配置 BYOL 的信息，请参阅 提取数据 操作。
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-4o
Anthropic Claude (Amazon Bedrock) 是 Claude 3 Haiku
欧洲地区 Microsoft OpenAI 是 GPT-4o
Anthropic Claude (Amazon Bedrock) 是 Claude 3 Haiku
世界其他地区 Microsoft OpenAI 否* GPT-3.5 Turbo
Anthropic Claude (Amazon Bedrock) 是 Claude 3 Haiku

* 您可以配置 BYOL 以使用您自己的视觉驱动 生成式 AI 模型进行数据提取。 请参阅 提取数据 操作。

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。