表单识别器预览 - 无法加载示例文档

Question

我正在尝试使用 Forms Recognizer 预览，经过多次反复试验，我终于通过 SAS URL 读取了文档。但是，即使使用快速入门 [1] 中提供的示例文档，我也会得到以下响应：

{
    "modelId": "d7ba79e3-38bc-4913-bb11-82656cb08adc",
    "trainingDocuments": [
        {
            "documentName": "Invoice_1.pdf",
            "pages": 1,
            "errors": [
                "Page 1: Document is either invalid or exceeds the page/size limits."
            ],
            "status": "failure"
        },
        {
            "documentName": "Invoice_2.pdf",
            "pages": 1,
            "errors": [
                "Page 1: Document is either invalid or exceeds the page/size limits."
            ],
            "status": "failure"
        },
        {
            "documentName": "Invoice_3.pdf",
            "pages": 1,
            "errors": [
                "Page 1: Document is either invalid or exceeds the page/size limits."
            ],
            "status": "failure"
        },
        {
            "documentName": "Invoice_4.pdf",
            "pages": 1,
            "errors": [
                "Page 1: Document is either invalid or exceeds the page/size limits."
            ],
            "status": "failure"
        },
        {
            "documentName": "Invoice_5.pdf",
            "pages": 1,
            "errors": [
                "Page 1: Document is either invalid or exceeds the page/size limits."
            ],
            "status": "failure"
        }
    ],
    "errors": [
        {
            "errorMessage": "Unable to fit model. No documents clustered."
        }
    ]
}

要使这些文档可用，是否需要在 BLOB 存储端发生一些特殊的事情？

即使在我们自己的基本形式上，我也收到了此错误消息，这完全符合大小限制。

更新：我认为这归结为我如何生成 SAS URL（其中文档根本不清楚）的一些问题。我有一个存储帐户 (SA)，带有一个容器 (C)，其中包含所有 PDF 文件。

在 Azure 门户中，我选择 SA 边栏选项卡，然后选择共享访问签名，采用所有默认选项，然后选择生成 SAS 和连接字符串。我尝试直接获取Blob 服务 SAS URL值并将其传递到source字段中，但这给出了错误：

{
    "error": {
        "code": "2024",
        "innerError": {
            "requestId": "77e73ba0-cbfe-4046-9730-beff8ec38be5"
        },
        "message": "Unable to list blobs on the Azure Blob storage account."
    }
}

我不得不添加&comp=list&restype=container到source，然后文件被正确列出，但出现上述错误。显然，除了 Azure Potral 生成的内容之外，还需要向 SAS URL 添加一些内容，而我添加的内容只是其中的一部分。

我想念能够在 REST 负载中发送文档内容本身来训练模型。:-(

[1] - https://github.com/Azure-Samples/cognitive-services-REST-api-samples/blob/master/curl/form-recognizer/sample_data.zip

Answer 1

我也遇到了这个问题，因为我没有发现快速入门文档很清楚 - 公平地说，对微软来说，这部分是因为我没有在 Azure 中生成 SAS URL 的经验，而且自从@ iamsop 向他们提出了一个 GitHub 问题。

我做了以下笔记，这些笔记描述了我是如何让它工作的。希望他们将来能帮助其他人：

1. 需要一个 blob 存储容器来转储训练文档（转到存储帐户 / {帐户名称} / Blob / + 容器（给它一个名称并将“公共访问级别”保留为“私人（无匿名访问）”）
2. 点击进入容器并上传培训文档 - 全部在根文件夹中，没有子文件夹（上传后可能会有延迟，在它们实际显示在容器中之前说它们已完成）
3. 为 blob 容器创建共享访问签名 (SAS) - 再次从 Storage Accounts / {account name} 开始，然后不要进入 Blob，进入共享访问签名 - 允许的权限只需要读取和列出，点击“生成 SAS 和连接字符串”并复制“Blob 服务 SAS URL”
4. 将此 URL 粘贴到记事本（或其他）中，并在查询字符串之前插入容器的名称
5. 现在您可以使用诸如

curl -X POST "{endpoint}/formrecognizer/v1.0-preview/custom/train" -H "Content-Type: application/json" -H "Ocp-Apim-Subscription-Key: {subscription key}" -- data-ascii "{'source': '{SAS url}'}"

• 将“{endpoint}”替换为提供的 API 端点（可能类似于https://region.api.cognitive.microsoft.com）
• 将 {subscription key} 替换为通过 Form Reognizer 资源概览选项卡可用的密钥
• 将 {SAS url} 替换为上面生成的 SAS URL，包含容器名称的调整版本

（注意：我个人对上述命令的偏好是在“data-ascii”值中使用单引号而不是双引号，因为这样您就不需要转义它们，使命令更易于阅读和编写）