Encontre respostas às perguntas mais frequentes sobre Compreensão de Conteúdos no Azure
O que é a Compreensão de Conteúdo?
Content Understanding é uma ferramenta Foundry concebida para gerar insights estruturados a partir de conteúdos não estruturados, utilizando inteligência artificial. Proporciona uma experiência consistente para extrair conteúdo ou um esquema estruturado de áudio, vídeo, imagens, documentos ou entradas de texto.
Como funciona a Compreensão de Conteúdos?
A Compreensão de Conteúdos utiliza modelos de IA Generativa para analisar e interpretar várias formas de conteúdo não estruturado. Integra dados de diferentes modalidades (por exemplo, texto, imagens, áudio) para gerar um resultado coeso e estruturado. O serviço utiliza modelos de aprendizagem automática treinados com conjuntos de dados diversificados e modelos de IA generativa para garantir elevada precisão e relevância nos insights fornecidos.
Que tipos de conteúdo não estruturado pode processar a Compreensão de Conteúdos?
A Compreensão de Conteúdos pode processar uma vasta gama de conteúdos não estruturados, incluindo, mas não se limitando a:
- Gravações áudio
- Conteúdo em vídeo
- Documentos
- Conteúdo do texto
- Imagens
Quais são os principais benefícios de usar a Compreensão de Conteúdos?
Os principais benefícios de utilizar a Compreensão de Conteúdos incluem:
- Pontuações de confiança: Garantir a precisão dos valores extraídos, minimizando o custo da revisão humana.
- Esquema definido: Defina um esquema para garantir que os valores extraídos estejam alinhados com o uso pretendido.
- Aterramento: Rastreie cada campo extraído ou gerado até à sua localização de origem no documento.
- Aprendizagem em contexto: Melhore a qualidade da extração em novos modelos fornecendo alguns exemplos rotulados sem necessidade de reeducação.
- Melhorias de qualidade ao longo do tempo: O serviço fornece capacidades para melhorar a qualidade do esquema extraído.
- Melhoria na tomada de decisões: Insights estruturados ajudam as organizações a tomar decisões informadas de forma rápida e eficaz.
- Maior eficiência: Automatizar a análise de conteúdos não estruturados poupa tempo e reduz o esforço manual necessário.
- Escalabilidade: O serviço pode gerir grandes volumes de dados, tornando-o adequado para organizações de todos os tamanhos.
Como podem as empresas usar a Compreensão de Conteúdos?
As empresas podem usar a Compreensão de Conteúdos de várias formas, tais como:
- Automação: Automatizar o processamento de conteúdo para extrair um esquema definido. Centro de atendimento, documentos e outros cenários semelhantes.
- Catalogação de conteúdos: gestão de um grande conjunto de ativos digitais.
- Análise do sentimento do cliente: Compreender o feedback dos clientes a partir de avaliações, redes sociais e interações de suporte.
- Investigação de mercado: Análise de tendências e padrões provenientes de diversas fontes de dados para informar estratégias empresariais.
- Insights operacionais: Obtenha insights a partir de documentos internos, emails e outros dados não estruturados para melhorar as operações.
É fácil integrar a Compreensão de Conteúdo com sistemas existentes?
Sim, a Compreensão de Conteúdo integra-se facilmente com sistemas e fluxos de trabalho existentes. Por exemplo:
- Pesquisa de IA do Azure
- Microsoft Fabric
- Serviço de Agente do Foundry
- Azure Logic Apps
O serviço oferece um conjunto de APIs de fácil utilização que podem ser integradas em qualquer aplicação. Veja exemplos code em GitHub.
Que medidas de segurança existem para proteger os dados processados pelo Content Understanding?
A Foundry Tools, incluindo a Content Understanding, cumpre rigorosos padrões de segurança e conformidade para garantir a proteção dos dados. Estas medidas incluem encriptação de dados, controlos de acesso seguros e conformidade com regulamentos do setor como a HIPAA. O serviço também cumpre o uso responsável da IA pela Microsoft.
Que modelos base é que o Azure Content Understanding utiliza?
A Compreensão de Conteúdo utiliza uma combinação de modelos para processar o seu conteúdo:
- Modelos Foundry: Traz as suas próprias implementações de grandes modelos de linguagem (LLMs) e embeddings do Foundry. A Content Understanding suporta as famílias de modelos GPT-4.1 e GPT-5.2, bem como os modelos de embedding OpenAI. Consulte o artigo sobre implementações de modelos para a lista completa de modelos suportados.
- Outros modelos base: A Compreensão de Conteúdos também utiliza várias capacidades, incluindo serviços de Fala, Visão e Linguagem, para apoiar a extração e processamento de conteúdos em diferentes modalidades.
Quais são as opções de preços para a Compreensão de Conteúdos?
A Content Understanding utiliza um modelo de preços transparente e baseado na utilização, com duas categorias principais de cobrança:
- Extração de conteúdo: Cobranças por unidade de entrada processada (por 1.000 páginas para documentos, por minuto para áudio/vídeo).
- Funcionalidades generativas: Ao usar funcionalidades alimentadas por IA, incorre em taxas de contextualização (taxa fixa por unidade de conteúdo) mais encargos baseados em tokens das implementações do seu modelo Microsoft Foundry (tokens de entrada/saída e embeddings).
Para informações detalhadas sobre preços, exemplos e dicas de otimização de custos, consulte a explicação de preços e a página de Compreensão de Conteúdo.
Em que é que as capacidades faciais no Content Understanding diferem do serviço Azure AI Face?
Na versão da API GA (2025-11-01), o Content Understanding oferece capacidades relacionadas com rostos, focadas na privacidade e descrição em vez da identificação:
- Desfoque facial: Por defeito, desfoca automaticamente os rostos em conteúdos de vídeo e imagens para proteger a privacidade.
- Descrição do rosto: Use modelos generativos para gerar descrições textuais dos rostos no seu conteúdo, captando atributos, características e identificação de celebridades.
O Content Understanding não inclui todas as funcionalidades do serviço facial do Azure AI, como reconhecimento facial, verificação, identificação ou capacidades de diretório de pessoas, nesta versão da API.