Form Parser extrae pares clave-valor, tablas, marcas de selección (casillas de verificación) y campos genéricos para aumentar y automatizar la extracción. Puede extraer hasta 11 entidades genéricas y casillas de verificación de forma predeterminada. No especifica los campos (esquema) que quiere extraer con el analizador de formularios. El modelo detecta y devuelve las entidades de interés de cada página de los documentos.
Extractor personalizado
El extractor personalizado extrae las entidades que definas en el esquema y ofrece tres opciones de modelado: modelo base, modelo personalizado y plantilla personalizada. Teniendo en cuenta los resultados prometedores de los modelos básicos con pocos o ningún dato de entrenamiento, te recomendamos que empieces con el modelo básico como primera opción y pruebes otras opciones según sea necesario.
Los modelos básicos hacen predicciones con pocos o ningún ejemplo, basándose en un máximo de 5 documentos etiquetados del conjunto de datos, y predicciones ajustadas con más de 10 documentos etiquetados del conjunto de datos.
Método de entrenamiento
Ejemplos de documentos
Variación del diseño del documento
Texto o párrafos de formato libre
Número de documentos de entrenamiento para alcanzar una calidad apta para producción, en función de la variabilidad
Afinación y modelo básico (IA generativa).
Contrato, términos del servicio, factura, extracto bancario, conocimiento de embarque o nómina.
De alto a bajo (opción preferida).
Alto.
Medio: de 0 a 50 documentos.
Modelo personalizado.
Modelo.
Formularios similares con variaciones en el diseño a lo largo de los años o entre proveedores (por ejemplo, el formulario W9).
De baja a media.
Bajo.
Alto: de 10 a más de 100 documentos.
Plantilla.
Formularios fiscales con un diseño fijo (por ejemplo, los formularios 941 y 709).
Ninguno
Bajo.
Bajo (3 documentos).
Como los modelos fundacionales suelen requerir menos documentos de entrenamiento, se recomiendan como primera opción para todos los diseños variables.
Analizador de diseños
Layout Parser transforma documentos en varios formatos en representaciones estructuradas, lo que permite acceder a contenido como párrafos, tablas, listas y elementos estructurales, como encabezados, encabezados de página y pies de página. Además, crea fragmentos contextualizados que facilitan la recuperación de información en una amplia gama de aplicaciones de IA generativa y de descubrimiento.
[[["Es fácil de entender","easyToUnderstand","thumb-up"],["Me ofreció una solución al problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Es difícil de entender","hardToUnderstand","thumb-down"],["La información o el código de muestra no son correctos","incorrectInformationOrSampleCode","thumb-down"],["Me faltan las muestras o la información que necesito","missingTheInformationSamplesINeed","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 2025-09-10 (UTC)."],[[["\u003cp\u003eDocument AI offers tools like Form Parser, Custom extractor, and Layout Parser for extracting information from documents based on various use cases.\u003c/p\u003e\n"],["\u003cp\u003eForm Parser automatically extracts key-value pairs, tables, selection marks, and up to 11 generic entities without needing a predefined schema.\u003c/p\u003e\n"],["\u003cp\u003eThe Custom extractor allows users to define their extraction schema and offers three modeling options: foundation model, custom model-based, and custom template-based.\u003c/p\u003e\n"],["\u003cp\u003eFoundation models in Custom extractors are recommended as the first option due to their ability to perform with minimal training data.\u003c/p\u003e\n"],["\u003cp\u003eLayout Parser transforms documents into structured data, identifying elements such as paragraphs, tables, lists, headings, and headers/footers, for use in information retrieval and generative AI applications.\u003c/p\u003e\n"]]],[],null,["Document AI offers multiple products to extract information from documents\nfor different use cases:\n\n- [Form Parser](#form-parser)\n- Custom extractor, which offers three different modeling types:\n\n - Foundation model\n - Custom model based\n - Custom template based\n- [Layout Parser](#layout-parser)\n\nForm Parser\n\nForm Parser extracts key-value pairs (KVP), tables, selection marks (checkboxes),\nand generic fields to augment and automate extraction. It can extract up to 11\ngeneric entities and checkboxes out of the box. You don't specify the fields (schema),\nyou want to extract with the Form Parser. The model detects and returns entities\nof interest from each page of documents.\n\nCustom extractor\n\nThe custom extractor extracts entities you define in schema and offers three modeling options:\nfoundation model, custom model based, and custom template based. Given promising\nresults from foundation models with little to no training data, we recommend starting\nwith the foundation model as the first option and try out other options as needed.\nThe foundation models do zero- to few-shot prediction, based on up to 5 labeled\ndocuments in the dataset, and fine-tuned prediction with more than 10 labeled documents in the dataset.\n\n| **Training method** || **Document examples** | **Document layout variation** | **Free form text or paragraphs** | **Number of training documents for production-ready quality, depending on variability** |\n|---------------|-----------|--------------------------------------------------------------------------------|-------------------------------|----------------------------------|-----------------------------------------------------------------------------------------|\n| Fine tune and foundation model (generative AI). || Contract, terms of service, invoice, bank statement, bill of lading, payslips. | High to Low (preferred). | High. | Medium: 0-50+ documents. |\n| Custom model. | Model. | Similar forms with layout variation across years or vendors (for example, W9). | Low to medium. | Low. | High: 10-100+ documents. |\n| Custom model. | Template. | Tax forms with a fixed layout (for example, Forms 941 and 709). | None. | Low. | Low (3 documents). |\n\nBecause foundation models typically require fewer training documents, they're\nrecommended as the first option for all variable layouts.\n\nLayout Parser **Note:** Layout Parser is in Public preview\n\nLayout Parser transforms documents in various formats into structured\nrepresentations, making content like paragraphs, tables, lists, and structural\nelements like headings, page headers, and footers accessible, and creating\ncontext-aware chunks that facilitate information retrieval in a range of\ngenerative AI and discovery apps."]]
