Обробка рахунків Готова модель штучного інтелекту
Попередньо створена модель штучного інтелекту Обробка рахунків витягує ключові дані рахунків-фактур, щоб допомогти автоматизувати обробку рахунків-фактур. Модель Обробка рахунків оптимізована для розпізнавання поширених елементів рахунків-фактур, таких як ідентифікатор рахунка-фактури, дата рахунка-фактури, сума до сплати тощо.
Модель «Рахунки-фактури » дозволяє доповнити поведінку за замовчуванням, побудувавши спеціальну модель рахунків-фактур.
Використовувати в Power Apps
Щоб дізнатися, як використовувати Обробка рахунків попередньо вбудовану Power Apps модель, перейдіть до розділу Використовувати Обробка рахунків попередньо вбудовану модель Power Apps.
Використання в Power Automate
Щоб дізнатися, як використовувати Обробка рахунків попередньо вбудовану Power Automate модель, перейдіть до розділу Використовувати Обробка рахунків попередньо вбудовану Power Automate модель.
Підтримувані мови та файли
Підтримуються такі мови: албанська (Албанія), чеська (Чехія), китайська (спрощена) Китайська, китайська (традиційна) ОАР Гонконг, китайська (традиційна) Тайвань, данська (Данія), хорватська (Боснія і Герцеґовина), хорватська (Хорватія), хорватська (Сербія), нідерландська (Нідерланди), англійська (Австралія), англійська (Канада), англійська (Індія), англійська (Сполучене Королівство), англійська (США), естонська (Естонія), фінська (Фінляндія), французька (Франція), німецька (Німеччина), угорська (Угорщина), ісландська (Ісландія), італійська (Італія), японська (Японія), корейська (Корея), литовська (Литва), латвійська (Латвія), малайська (Малайзія), норвезька (Норвегія), польська (Польща), португальська (Португалія), румунська (Румунія), словацька (Словаччина), словенська (Словенія), сербська (Сербія), іспанська (Іспанія), шведська (Швеція).
Щоб отримати найкращі результати, надайте одну чітку фотографію або скан на рахунок-фактуру.
- Формат зображення має бути JPEG, PNG або PDF.
- Розмір файлу не повинен перевищувати 20 МБ.
- Розміри зображення мають бути від 50 x 50 пікселів до 10 000 x 10 000 пікселів.
- Розміри PDF мають бути не більше 17 x 17 дюймів, що еквівалентно форматам паперу Legal або A3 або менше.
- Для документів у форматі PDF обробляються лише перші 2 000 сторінок.
Висновок моделі
Якщо інвойс виявлено, модель обробки рахунків виводить наступну інформацію:
| Властивість | Визначення |
|---|---|
| Сума до сплати (текст) | Сума до сплати вказана в рахунку-фактурі. |
| Сума до сплати (число) | Сума до сплати в стандартизованому числовому форматі. Приклад: 1234,98. |
| Достовірність суми до сплати | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Адреса для надсилання рахунків | Адреса для виставлення рахунків. |
| Достовірність адреси надсилання рахунків | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Одержувач в адресі для надсилання рахунків | Адреса одержувача для виставлення рахунків. |
| Достовірність одержувача в адресі для надсилання рахунків | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Адреса клієнта | Адреса клієнта. |
| Достовірність адреси клієнта | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Одержувач у адресі клієнта | Адреса клієнта одержувача. |
| Достовірність одержувача в адресі клієнта | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Ідентифікатор клієнта | Ідентифікатор клієнта. |
| Достовірність ідентифікатора клієнта | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Ім’я клієнта | Ім’я клієнта. |
| Достовірність імені клієнта | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Податковий ідентифікатор клієнта | Номер платника податків, пов’язаний із замовником. |
| Достовірність податкового ідентифікатора клієнта | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Дата сплати (текст) | Дата оплати, як зазначено в рахунку-фактурі. |
| Дата сплати (дата) | Дата виконання в стандартизованому форматі дати. Приклад: 2019-05-31. |
| Достовірність дати сплати | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Дата рахунка (текст) | Дата рахунка-фактури така, як написана в рахунку-фактурі. |
| Дата рахунка (дата) | Дата рахунка-фактури в стандартизованому форматі дати. Приклад: 2019-05-31. |
| Достовірність дати рахунка | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Ідентифікатор рахунка | Ідентифікатор рахунка-фактури. |
| Достовірність ідентифікатора рахунка | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Загальна сума рахунка (текст) | Загальна сума рахунка-фактури така, як зазначено в рахунку-фактурі. |
| Загальна сума рахунка (число) | Загальна сума рахунка-фактури в стандартизованому форматі дати. Приклад: 2019-05-31. |
| Достовірність загальної суми рахунка | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Позиції | Рядкові позиції витягуються з рахунку-фактури. Для кожного стовпця доступні показники впевненості.
|
| Умови оплати | Умови оплати виставленого рахунку. |
| Достовірність умов оплати | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Замовлення на придбання | Замовлення на закупівлю. |
| Достовірність замовлення на придбання | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Попереднє несплачене сальдо (текст) | Попередній несплачений залишок, як зазначено в рахунку-фактурі. |
| Попереднє несплачене сальдо (число) | Попередній неоплачений залишок у стандартизованому числовому форматі. Приклад: 1234,98. |
| Достовірність попереднього несплаченого сальдо | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Адреса переказу | Адреса для грошових переказів. |
| Достовірність адреси переказу | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Одержувач у адресі переказу | Адреса для отримання грошового переказу. |
| Достовірність одержувача в адресі переказу | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Адреса надання послуг | Адреса служби. |
| Достовірність адреси надання послуг | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Одержувач в адресі надання послуг | Адреса послуги отримувача. |
| Достовірність одержувача в адресі надання послуг | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Дата початку послуги (текст) | Дата початку надання послуги зазначена в рахунку-фактурі. |
| Дата початку послуги (дата) | Дата початку надання послуги в стандартизованому форматі дати. Приклад: 2019-05-31. |
| Достовірність дати початку послуги | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Дата закінчення послуги (текст) | Дата закінчення послуги зазначена в рахунку-фактурі. |
| Дата закінчення послуги (дата) | Дата завершення послуги в стандартизованому форматі дати. Приклад: 2019-05-31. |
| Достовірність дати закінчення послуги | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Адреса доставки | Адреса доставки. |
| Достовірність адреси доставки | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Одержувач у адресі доставки | Адреса доставки одержувача. |
| Достовірність одержувача в адресі доставки | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Проміжна сума (текст) | Проміжний підсумок, як зазначено в рахунку-фактурі. |
| Проміжна сума (число) | Проміжний підсумок у стандартизованому форматі чисел. Приклад: 1234,98. |
| Достовірність проміжної суми | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Загальна сума податку (текст) | Загальна сума податку, як зазначено в рахунку-фактурі. |
| Загальна сума податку (число) | Загальний податок у форматі стандартизованих номерів. Приклад: 1234,98. |
| Достовірність загальної суми податку | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Адреса постачальника | Адреса постачальника. |
| Достовірність адреси постачальника | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Одержувач в адресі постачальника | Адреса постачальника Одержувач. |
| Достовірність одержувача в адресі постачальника | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Ім’я постачальника | Ім’я постачальника. |
| Достовірність імені постачальника | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Податковий ідентифікатор постачальника | Номер платника податків, пов’язаний із постачальником. |
| Достовірність податкового ідентифікатора постачальника | Наскільки модель впевнена у своєму прогнозі. Оцінка від 0 (низька впевненість) до 1 (висока впевненість). |
| Виявлений текст | Рядок розпізнаного тексту під час виконання OCR у рахунку-фактурі. Повертається як частина списку тексту. |
| Виявлений ключ | Пари ключ-значення — це всі ідентифіковані мітки або ключі та пов’язані з ними відповіді або значення. Їх можна використовувати для вилучення додаткових значень, які не входять до попередньо визначеного списку полів. |
| Виявлене значення | Пари ключ-значення — це всі ідентифіковані мітки або ключі та пов’язані з ними відповіді або значення. Їх можна використовувати для вилучення додаткових значень, які не входять до попередньо визначеного списку полів. |
Пари ключ-значення
Пари ключ-значення — це всі ідентифіковані мітки або ключі та пов’язані з ними відповіді або значення. Їх можна використовувати для вилучення додаткових значень, які не входять до попередньо визначеного списку полів.
Щоб візуалізувати всі пари ключ-значення, виявлені моделлю Обробка рахунків, ви можете додати в ланцюжок дію Створити HTML-таблицю , як показано на скріншоті, і запустити ланцюжок.
Щоб видобути конкретний ключ, значення якого вам відоме, ви можете використовувати дію Фільтрувати масив , як показано на скріншоті нижче. У прикладі скріншота ми хочемо витягти значення для ключа Tel .:
Обмеження
Наведене нижче обмеження застосовується до викликів, здійснених у середовищі в моделях обробки документів, включаючи готові моделі: Обробка квитанцій та обробка рахунків.
| Дія | Межа | Термін продовження |
|---|---|---|
| Дзвінки (за середовищем) | 360 | 60 секунд |
Створіть власне рішення для обробки рахунків рахунків
Готова модель штучного інтелекту Обробка рахунків призначена для вилучення поширених полів, знайдених у рахунках-фактурах. Оскільки кожна компанія унікальна, ви можете захотіти витягти поля, відмінні від тих, що включені в цю попередньо створену модель. Також може статися так, що деякі стандартні поля недостатньо добре витягнуті для певного типу рахунків-фактур, з якими ви працюєте. Щоб вирішити цю проблему, є два варіанти:
Використовуйте користувацьку модель обробки рахунків-фактур: доповніть поведінку попередньо створеної моделі обробки рахунків рахунків-фактур, додавши нові поля, які потрібно витягнути на додаток до тих , що за замовчуванням, або зразків документів, які не витягнуті належним чином. Щоб дізнатися, як доповнити готову модель обробки рахунків рахунків-фактур, перейдіть до розділу Виберіть тип документа.
Перегляд необроблених результатів OCR: щоразу, коли готова модель штучного інтелекту для обробки рахунків обробляє наданий вами файл, вона також виконує операцію оптичного розпізнавання символів, щоб витягти кожне слово, записане у файлі. Ви можете отримати доступ до необроблених результатів OCR на виявленому текстовому виводі, наданому моделлю. Простого пошуку в контенті, який повертає виявлений текст, може бути достатньо, щоб отримати потрібні дані.
Використовуйте обробку документів: За AI Builder допомогою цього ви також можете створити власну модель штучного інтелекту для вилучення конкретних полів і таблиць, необхідних для документів, з якими ви працюєте. Просто створіть модель обробки документів і навчіть її витягувати всю інформацію з рахунку-фактури, яка погано працює з моделлю витягування рахунків-фактур.
Після того, як ви навчите свою власну модель обробки документів, ви зможете поєднати її з готовою моделлю Power Automate обробки рахунків у потоці.
Ось кілька прикладів:
Використовуйте спеціальну модель обробка документів, щоб витягти додаткові поля, які не повертає Обробка рахунків попередньо створена модель
У цьому прикладі ми навчили спеціальну модель обробки документів отримувати номер програми лояльності, який присутній лише в рахунках-фактурах від постачальників Adatum і Contoso.
Ланцюжок запускається, коли в папку додається SharePoint новий інвойс. Потім він викликає обробку рахунків попередньо створену модель штучного інтелекту для вилучення своїх даних. Далі ми перевіряємо, чи постачальник обробленого рахунка-фактури від Adatum або Contoso. Якщо це так, ми викликаємо спеціальну модель обробки документів, яку ми навчили отримувати цей номер лояльності. Нарешті, ми зберігаємо витягнуті дані з рахунку-фактури у файлі Excel.
Використовуйте спеціальну модель обробки документів, якщо оцінка достовірності для поля, повернутого готовою моделлю обробки рахунків, низька
У цьому прикладі ми навчили спеціальну модель обробки документів для вилучення загальної суми з рахунків-фактур, де ми зазвичай отримуємо низьку оцінку достовірності при використанні готової моделі обробки рахунків.
Ланцюжок запускається, коли в папку додається SharePoint новий інвойс. Потім він викликає обробку рахунків попередньо створену модель штучного інтелекту для вилучення своїх даних. Далі ми перевіряємо, чи оцінка достовірності властивості загальної вартості рахунка-фактури менше 0,65. Якщо це так, ми викликаємо спеціальну модель обробки документів, яку ми навчили з рахунками-фактурами, де ми зазвичай отримуємо низьку оцінку достовірності для всього поля. Нарешті, ми зберігаємо витягнуті дані з рахунку-фактури у файл Excel.
Використовуйте Обробка рахунків готову модель, щоб маркер рахунки-фактури, до маркер які не була навчена спеціальна модель обробка документів
Одним із способів використання готової моделі Обробка рахунків є використання її як запасної моделі для маркер рахунків-фактур, які ви не навчили у своїй користувацькій моделі обробки документів. Скажімо, ви створили модель обробки документів і навчили її отримувати дані від 20 найбільших постачальників рахунків-фактур. Потім ви можете використовувати готову модель Обробка рахунків для обробки всіх нових рахунків-фактур або рахунків-фактур меншого обсягу. Ось приклад того, як ви можете це зробити:
Цей ланцюжок запускається, коли в папку додається SharePoint новий інвойс. Потім він викликає спеціальну модель обробки документів для вилучення своїх даних. Далі перевіряємо, чи не менше 0,65 оцінка достовірності для виявленого колекція. Якщо це так, це, ймовірно, означає, що наданий рахунок-фактура не підходить для спеціальної моделі. Тоді ми називаємо готову модель обробки рахунків. Нарешті, ми зберігаємо витягнуті дані з рахунку-фактури у файлі Excel.
