Amazon Textract Insights 正式推出:以自然语言抽取文档字段,附置信度评分与页面定位,单文件最多 3,000 页
AWS 宣布 Amazon Textract Insights 全面可用,可用自然语言定义字段并处理混合文档包,每个值附置信度评分与页面定位。目前支持六种语言,且 Tokyo、Zurich 区域暂未提供。
新闻日期: 阅读时间约 5 分钟
AWS 表示,Amazon Textract Insights 已达全面可用(general availability,即正式上线),是 Amazon Textract 内通过新 API 提供的生成式 AI 功能。用户可用自然语言说明要抽取哪些字段,并获得附置信度评分与页面定位的结构化结果。AWS 以房贷、理赔与入职文档包这类混合文档为典型场景(以上均依据 AWS 说明)。
Amazon Textract Insights 与传统做法有何不同?
AWS 指出,团队通常有两种做法。第一种是自行组合定制管线,包含 OCR(光学字符识别,把扫描图像中的文字转成计算机可读的文字)、文档切分、分类、基础模型提示与审核步骤。第二种是直接使用通用大语言模型,虽能给出流畅的答案,但不一定能可靠标示来源页面或提供置信度评分。AWS 称 Textract Insights 把整个流程整合为 Textract 上的单个异步请求,也就是提交后在后台处理、完成后再取回结果。
依据 AWS 说明,用户通过「blueprint」(可理解为抽取模板)定义要抽取的内容。它是一份 JSON Schema,即描述数据字段结构的标准格式。每个字段都有自然语言描述,并有「推断类型」,决定值是从页面逐字读取,还是由文档内容推断而来。AWS 公开的 blueprint 涵盖 W-2、Form 1040、Form 1098、护照与出生证明等,用户也可自行编写。
混合文档包如何处理?支持哪些格式与语言?
处理混合文档包时,用户先把各文档类型的 blueprint 加入同一个项目。接着从自己的 Amazon S3(AWS 的云端文件存储服务)存储桶提交单个文件(最多 3,000 页),并启用切分。AWS 表示,服务会将文件切成逻辑子文档、匹配合适的 blueprint、抽取字段,并为每个值返回置信度评分与定位。
AWS 举例:一份 26 页的房贷申请 PDF 内含 W-2、工资单、银行对账单与放款人员手写笔记。只需一次 StartDocumentInsights 调用,结果便写回用户的 S3。每个值都附置信度评分,以及来源页面与边界框(标出该值在页面上位置的方框坐标)。
| 项目 | Textract Insights | Textract Core 更新 |
|---|---|---|
| 性质 | 新的生成式 AI 功能,通过新 API 提供 | 现有读取引擎更新,现有 API 不变 |
| 语言 | 英、法、德、意、葡、西 | DetectDocumentText 与 AnalyzeDocument 扩至 40 种语言 |
| 区域 | 暂未在 Tokyo、Zurich 提供 | 新增 Tokyo 与 Zurich,共 18 个区域 |
| 处理位置 | 在用户所在地理范围内自动选择区域推理 | 在调用的区域内处理 |
| 输入与计价 | PDF、PNG、JPEG、TIFF;按页计价,无最低承诺 | 公告未说明 |
置信度评分与定位如何支持审计与自动化?
AWS 说明,Insights 返回两类字段:直接从页面读取的明确字段,以及从内容推导的推断字段。两者都附置信度评分,以及值所取自的页面与坐标。因此审核人员或审计人员可对照原始文档,确认任何结果。
AWS 引述 Symbeo(CorVel 旗下公司)信息系统副总裁 Vijay Agrawal 的评价:团队可用白话描述所需字段,并依置信度评分只审核置信度较低的字段,同时期待探索文档切分功能。这是厂商发布的客户说法,并非独立验证。
数据安全与如何开始?
AWS 表示,项目与 blueprint 默认以 AWS 自有密钥做静态加密,也就是数据存储时即加密。若要使用自己的 AWS KMS(AWS 的密钥管理服务)客户管理密钥,可在调用 CreateProject 或 CreateBlueprint 时,于 EncryptionConfiguration 中指定。分析任务的中间处理数据同样加密,属临时性数据,并在任务完成时删除。项目的密钥不适用于其任务。
- 定义需求:从 AWS 公开 blueprint 开始,或用自然语言描述自己的字段。
- 创建项目:把 blueprint 加入项目。
- 提交文档:从 Amazon S3 通过一次 API 调用提交单个文档或混合文档包。
- 查看结果:接受达到置信度阈值的值,其余送人工审核,并以自己的代表性样本调整阈值。
常见问题
Amazon Textract Insights 目前是预览还是正式版?
AWS 在公告中表示已达全面可用(general availability),即正式版。但区域与语言仍有限制,例如 Tokyo 与 Zurich 暂未提供。
需要自己训练模型吗?
不需要。AWS 表示用户以自然语言描述字段即可,无需模型训练。
原有的 Textract API 会受影响吗?
AWS 表示,Textract Core 的更新不需要现有客户做任何变更,现有 API 保持不变。
费用如何计算?
AWS 表示按页计价而非按 token,且无最低承诺。公告未列出具体费率,请参阅 Amazon Textract 定价页。
我所在的区域可以使用 Insights 吗?
AWS 公告未列出 Insights 在各区域的完整可用清单,只说明 Tokyo 与 Zurich 暂未提供 Insights,请以 AWS 文档为准。
同主题延伸阅读
Claude Code 2.1.330:企业管理控制台登录、easel 图表模块、定时任务延长至 30 天
Anthropic 在 Claude Code 2.1.330 更新日志中列出企业管理控制台登录、内置图表模块 easel、定时任务最长 30 天,以及更严格的 rm 命令审核。
AWS Quick 更新:对话创建流程、多智能体协作、新增 Meta ads 与 Amplitude 连接器,AWS 称所有 Quick 区域即日可用
AWS 推出分布式 KV 缓存 Agent Skill:AWS 称自建 LLM 成本最多降 40%、首字延迟最多降 80%
Amazon SageMaker HyperPod Slurm 推出集群扩展功能:可观测性与用户管理两项托管扩展,所有 HyperPod 支持区域可用
资料来源
本文依据上方所列参考来源与标示之核实日期整理;票价、时刻、功能规格或服务条款可能变动,出发、预订或购买前请至相关官方网站确认最新信息。