ML Kit テキスト認識 v2 API は、中国語、Devanagari、日本語、韓国語、およびラテン文字セットのテキストを認識できます。この API を使用して、クレジット カード、領収書、名刺の処理などのデータ入力タスクを自動化することもできます。
主な機能
- さまざまな文字と言語でテキストを認識 - 中国語、Devanagari、日本語、韓国語、ラテン文字のテキストを認識できます
- テキストの構造を分析する記号、要素、行、段落の検出をサポートします。
- テキストの言語を識別する 認識されたテキストの言語を識別します。
- リアルタイム認識 さまざまなデバイスでテキストをリアルタイムで認識できます。
テキスト構造
テキスト認識機能は、テキストをブロック、行、要素、記号にセグメント化します。大まかな説明:
Block は、段落や列などの連続するテキスト行のセットです。
線は、同じ軸上に連続する単語のセットです。
Element は、ほとんどのラテン言語では同一軸に連続する英数字（単語）であり、その他の言語では 1 語です。
記号は、ほとんどのラテン文字で同じ軸上または他の文字に付けた 1 つの英数字です
以下の画像は、これらの例を降順で示しています。シアンで最初に強調表示されるブロックは、テキストのブロックです。ハイライトされたブロックの 2 番目のセット（青色）はテキスト行です。最後に、強調表示されている 3 つ目のブロックのセットはダークブルーです。
検出されたすべてのブロック、ライン、要素、記号について、API は境界ボックス、コーナー ポイント、回転情報、信頼スコア、認識された言語、認識されたテキストを返します。
検索結果の例
写真: Dietmar Rabich、Wikimedia Commons、「Düsseldorf、Wege der parlamentarischen Demokratie -- 2015 -- 8123」、CC BY-SA 4.0 {/13
| 認識されたテキスト | |
|---|---|
| Text | Wege der parlamentarischen Demokratie |
| ブロック数 | （1 ブロック） |
| ブロック 0 | |
|---|---|
| Text | Wege der parlamentarischen Demokratie |
| フレーム | （296、665 ～ 796、882） |
| 四隅の点 | （296, 719）、（778, 665）、（796, 828）、（314, 882） |
| 認識された言語コード | de |
| 線 | （3 行） |
| 行 0 | |
|---|---|
| Text | Wege der |
| フレーム | （434、678 ～ 670, 749） |
| 四隅の点 | （434, 705）、（665, 678）、（670, 722）、（439, 749） |
| 認識された言語コード | de |
| 信頼スコア | 0.8766741 |
| 回転角度 | -6.6116457 |
| 要素 | （2 個の要素） |
| 要素 0 | |
|---|---|
| Text | ウェージ |
| フレーム | （434、689 ～ 575、749） |
| 四隅の点 | （434, 705）、（570, 689）、（575, 733）、（439, 749） |
| 認識された言語コード | de |
| 信頼スコア | 0.8964844 |
| 回転角度 | -6.6116457 |
| 要素 | （4 個の要素） |
| 記号 0 | |
|---|---|
| Text | W |
| フレーム | （434、698 ～ 500、749） |
| 四隅の点 | （434, 706）、（495, 698）、（500, 741）、（439, 749） |
| 信頼スコア | 0.87109375 |
| 回転角度 | -6.611646 |