Amazon Textract

2019: Анонс

В конце мая 2019 года Amazon запустила облачный сервис для распознавания документов Textract, который способен автоматически извлекать из страниц текст, таблицы и другие данные. Поддерживаются различные форматы, включая JPEG, PNG и PDF.

Textract относится к программам оптического распознавания текста (OCR), как и, например, Abbyy FineReader. В отличие от многих OCR-решений Textract не просто извлекает текст из документов, но и распознаёт их формат и содержание. Например, он различает таблицы и формы в документах, в том числе в чеках, налоговых декларациях и товарных накладных, а также поддерживает графические форматы. После распознавания ПО самостоятельно структурирует данные.

Amazon выпустила конкурента Abbyy FineReader

В Amazon утверждают, что сервис Textract способен определить паспортные данные, даты рождения и адреса, после чего правильно интерпретировать вне зависимости от того, в каком месте страницы они находятся. В случае изменения шаблона система не пропустит неправильный результат.

По словам разработчиков, добиться высокой эффективности распознавания удалось за счёт использования машинного обучения (МО) для обработки миллионов документов. В результате система научилась правильно идентифицировать текст и объекты «практически в любом» типе документов.Дмитрий Бородачев, DатаРу Облако: Наше преимущество — мультивендорная модель предоставления облачных услуг

Разработчикам для подключения Textract к своим приложениям не нужно быть специалистами по машинному обучению, говорит вице-президент отдела Amazon Machine Learning Свами Сивасубраманян (Swami Sivasubramanian). Они могут извлекать текст и данные, используя СУБД и аналитические сервисы Amazon и наладить интеграцию с другими МО-сервисами.

Textract предназначен для автоматического распознавания большого количества документов. Стоимость пользования сервисом начинается с $1,5 за 1000 обработанных страниц.^[1]

Примечания