Amazon Textract Insights 正式可用:用自然语言描述字段,从最多 3,000 页的混合文档包里抽取带置信度和页面出处的结果
通用大模型抽取文档答得流畅,却不给出处和可校准的分数。这一条讲 Textract 的方案怎么补上这两样,适合做票据、理赔、开户材料的团队。
// 要点
- 字段在 blueprint 里定义:一个 JSON Schema,每个字段带自然语言描述和推断类型(照原文读取或根据内容推断);提供 W-2、1040、护照等公共模板。
- 一次异步请求即可提交最多 3,000 页的混合文件,服务自动拆分为子文档并匹配 blueprint;每个值带置信度和页面级出处,无需训练。
- 支持 PDF、PNG、JPEG、TIFF,处理英、法、德、意、葡、西六种语言;按页而不是按 token 计费,无最低消费。
开发者视角出处加置信度才是文档自动化能放量的前提:有了它才能定「多少分以上自动通过,以下转人工」。AI 云盘做结构化抽取也该照这个形态输出,不管用哪家模型。暂不支持中文,国内业务先借鉴它的 blueprint 设计,而不是直接接。