Rotular a imagem, ou entender o documento?
O Cloud Vision é uma API de visão geral: classifica imagens, detecta objetos, lê texto. É um martelo excelente. A pergunta é se o seu problema é um prego desse tamanho.
Duas ferramentas diferentes
| Cloud Vision | Workhorse | |
|---|---|---|
| Alcance | Visão geral: rótulos, objetos, rostos, texto | Documentos: ler e extrair campos |
| Saída típica | Rótulos de probabilidade e texto puro | JSON com os campos que você pediu |
| Tabelas e formulários | Detecta o texto, a estrutura precisa ser reconstruída | A tabela é interpretada como tabela |
| Personalização | Escolhe-se entre funções predefinidas | Descreve-se com palavras o que se quer |
| Onde roda | Dentro do seu projeto do Google Cloud | Um endpoint que você chama |
Quando o Cloud Vision ganha
- Quando o trabalho é sobre imagens, não documentos: produto, controle de qualidade, catalogação visual
- Quando você só precisa do texto e o seu time já sabe reconstruir a estrutura
- Quando todo o seu stack já está no Google Cloud e você prefere não adicionar fornecedores
O mal-entendido comum
Muitos times começam com uma API de visão porque o problema parece de visão, e descobrem no meio do caminho que o trabalho de verdade estava em interpretar. A leitura funcionava; o que faltava era saber que aquele número era o total e não o subtotal.
Como escolher sem errar
Pegue vinte documentos reais dos que chegam para você. Passe os cinco primeiros pelo seu candidato e conte quanto trabalho falta da saída até o registro que você precisa. Se esse trabalho vai ser feito pelo seu time cada vez que aparecer um template novo, você já tem a resposta.
Conte-nos o que precisa sair do documento e dizemos o que encaixa.
CLOUD VISION OU UM MODELO GERAL
| A alternativa Google Cloud Vision uma API de visão genérica | Workhorse Workhorse um modelo para imagem e linguagem | |
|---|---|---|
| O que é | Funções básicas de visão — etiquetas, texto, rostos | Um modelo de linguagem que vê imagens |
| Saída | Entidades detectadas e texto bruto | Registros estruturados conforme a sua especificação |
| Raciocínio | Nenhum — só detecção | Lê, interpreta e estrutura |
| Unidade de cobrança | Por função, por imagem | Por token |
| Implantação | Um projeto do Google Cloud | Um endpoint compatível com a OpenAI |
| Contrato | Condições do Google Cloud | Negociável, com acordo de tratamento |
| Encaixa se | Você precisa de funções básicas de detecção | Você quer entender o conteúdo |
Conte-nos o que você usa hoje.
Envie-nos seu volume mensal e seu provedor atual. Respondemos normalmente dentro de um dia útil — com um preço e um contato fixo.