Что это
Google Cloud Vision API - облачный сервис анализа изображений. Для документов он полезен прежде всего как OCR: превращает текст на скане или фотографии в данные для дальнейшей обработки. Он не является чат-ботом и не принимает самостоятельные бизнес-решения.
TEXT_DETECTION подходит для текста на изображении, а DOCUMENT_TEXT_DETECTION - для плотного текста документов. PDF и TIFF обрабатываются отдельными файловыми сценариями. Для готового извлечения полей форм стоит сравнить Vision с Document AI.
В цепочке ИИ-агента Vision можно использовать перед моделью: сначала распознать текст, затем извлечь нужные поля и проверить их. Критичные суммы, даты и реквизиты должны сверяться с оригиналом.
Ключевые параметры
- Категория: Инструменты разработчика
- Сложность: Для разработчика
- Запуск: Около 30 минут
- Данные: Не известно
- Чувствительные данные: Только с настройками
Сильные стороны
- Есть отдельный режим для плотного текста документов, а не только надписей на фотографии.
- Результат содержит текст и его расположение, что помогает сопоставить распознавание с оригиналом.
- REST и клиентские библиотеки позволяют встроить распознавание в существующий обработчик.
- Пакетные сценарии помогают обработать несколько файлов без ручной загрузки в чат.
Ограничения
- Нужны Google Cloud, включенный API, авторизация и настроенный биллинг.
- Плохой скан, мелкий текст и сложная верстка требуют проверки качества на своих примерах.
- OCR не превращает счет автоматически в проверенные поля учета: это отдельный этап.
- Запросы имеют квоты и тарификацию; дополнительные облачные ресурсы тоже могут стоить денег.
Как использовать
1. Подготовка. Возьмите четкий учебный скан без персональных данных и заранее запишите ожидаемые дату, номер и сумму.
2. Настройка. Создайте проект Google Cloud, проверьте биллинг и включите Vision API. Настройте учетные данные для своего способа запуска; ключи храните вне исходного кода.
3. Первый результат. Отправьте одно изображение на images:annotate с DOCUMENT_TEXT_DETECTION через клиентскую библиотеку или REST. Сохраните распознанный текст и проверьте, нет ли ошибки внутри ответа.
4. Проверка. Сверьте текст с оригиналом, особенно цифры и похожие буквы. На нескольких разных сканах измерьте долю верно извлеченных реквизитов. Только затем подключайте дальнейшую обработку или загрузку в учетную систему.
Примеры сценариев
- Распознать текст одного счета перед извлечением суммы.
- Получить текст фотографий этикеток.
- Подготовить сканы для поиска по документам.
Доступ и оплата
- Модель оплаты: Оплата по использованию
- Работа в РФ: Нужно проверять
- VPN: Не известно
- Русский интерфейс: Не известно
- Русский язык: Не известно
Тариф зависит от функции и объема, а не от длины промпта. Бесплатная квота не отменяет требования к биллингу. Возможность подключения и оплаты Google Cloud из России здесь не подтверждена.
Когда не подходит
- Определить подлинность документа только по OCR
- Создать готового агента без разработки
- Передать распознанные суммы в учет без проверки
Альтернативы
Document AI подходит для специализированного разбора документов; Tesseract позволяет выполнять OCR локально; Docling полезен для преобразования документов и подготовки их структуры. Проверьте одинаковые образцы, прежде чем выбирать.
