Document Understanding
Más reciente
False
- Información general
- Primeros pasos
- Building Models
- Consuming Models
- Paquetes ML
- 1040: paquete ML
- 1040 Anexo C - Paquete ML
- 1040 Anexo D - Paquete ML
- 1040 Anexo E - Paquete ML
- 4506T: paquete ML
- 990 - Paquete ML: vista previa
- ACORD125: paquete ML
- ACORD126 - Paquete ML
- ACORD131 - Paquete ML
- ACORD140 - Paquete ML
- ACORD25 - Paquete ML
- Extractos bancarios: paquete ML
- Conocimientos de embarque: paquete ML
- Certificado de incorporación - Paquete ML
- Certificado de origen - Paquete ML
- Cheques: paquete ML
- Certificado de producto secundario - Paquete ML
- CMS 1500: paquete ML
- Declaración de conformidad UE - Paquete ML
- Estados financieros: paquete ML
- FM1003: paquete ML
- I9 - Paquete ML
- Documentos de identidad: paquete ML
- Facturas: paquete ML
- FacturasAustralia: paquete ML
- FacturasChina - Paquete ML
- FacturasIndia - Paquete ML
- FacturasJapón - Paquete ML
- Envío de facturas - Paquete ML
- Listas de embalaje: paquete ML
- Recibos de pago: paquete ML
- Pasaportes: paquete ML
- Órdenes de compra: paquete ML
- Recibos: paquete ML
- ConsejosDeRemesas: paquete ML
- UB04 - Paquete ML
- Facturas de servicios públicos: paquete ML
- Títulos de vehículos: paquete ML
- W2 - Paquete ML
- W9 - Paquete ML
- Puntos finales públicos
- Idiomas admitidos
- Información general
- OCR
- Otros servicios
- Datos y seguridad
- Licencia
Información general
Guía del usuario de Document Understanding para la experiencia moderna
Última actualización 7 de may. de 2024
Información general
UiPath Document Understanding aprovecha el complejo reconocimiento óptico de caracteres (OCR) y los modelos ML, motores inteligentes que potencian las capacidades de comprensión lingüística de la herramienta. Estos modelos están entrenados para discernir, comprender y procesar una amplia gama de idiomas, transformando las entradas digitales sin procesar en datos analizados y comprensibles.
Nota: aunque nuestros modelos están diseñados para comprender y procesar varios idiomas, ciertos escenarios pueden requerir entrenamiento adicional para lograr el nivel de precisión esperado. Esto se aplica particularmente cuando los datos del documento se desvían sustancialmente del conjunto de datos de entrenamiento original del modelo.
Para los idiomas compatibles en los que el modelo no estaba preentrenado, puedes entrenar un modelo personalizado con tu propio conjunto de datos. Sin embargo, es importante tener en cuenta que este idioma también debe ser compatible con el motor OCR para garantizar resultados óptimos.