Textract o Document AI: magkalapit sa OCR, magkaiba sa invoice

Kung searchable na teksto lang ang kailangan, magkalapit ang list price ng Amazon Textract at Google Document AI sa malaking dami ng pahina. Sa maiikling invoice, mas mababa ang nakalistang singil ng Textract Analyze Expense kaysa sa Google Invoice Parser. Nag-iiba ang paghahambing dahil bawat pahina ang singil ng una, samantalang bawat dokumentong hanggang sampung pahina ang batayan ng ikalawa.

Para sa archive, ihambing ang plain OCR; para sa mga form at table, ihambing ang structured extraction; para sa invoice, ihambing ang mga parser ng invoice field. Sa paliwanag ng Amazon sa document analysis, hiwalay ang raw text, key-value pairs at mga cell ng table sa pagproseso ng invoice at resibo. Ipinapakita naman ng talaan ng mga processor ng Google na may suporta sa Filipino ang Form Parser, ngunit wala ang Filipino sa nakalistang mga wika ng Invoice Parser. Mahalaga ang kaibahang iyon kung Filipino ang mga invoice na ipoproseso.

Text, form at table: magkakaibang output

Ang plain OCR ay nagbabalik ng nababasang teksto mula sa pahina. Angkop ito sa pagbuo ng searchable na archive, ngunit hindi sapat ang mga salita lamang kung kailangang ilagay ang supplier, due date at total amount sa magkakahiwalay na field. Iba ang pagkilala sa salitang “total” at ang pagtukoy kung aling halaga sa invoice ang kabuuang babayaran.

Sa Textract, Detect Document Text ang operasyon para sa raw text. Sa Analyze Document, kinukuha ng Forms ang ugnayan ng label at value, habang kinukuha ng Tables ang ayos ng mga row at column. Maaaring piliin ang dalawang feature sa iisang pagsusuri. Kasama na sa output ng pagsusuring iyon ang natukoy na teksto, kaya hindi awtomatikong idinadagdag ang hiwalay na singil ng Detect Document Text para makuha rin ang OCR output.

Sa Google Document AI, Enterprise Document OCR ang panimulang opsyon para sa pagkuha ng teksto. Ang Form Parser ang mas malapit na katapat kapag kailangan ang key-value pairs at mga table kasama ng OCR text. Magkaiba pa rin ang layunin nito at ng Invoice Parser: nakatuon ang huli sa mga field gaya ng invoice number, supplier, buwis, due date at mga halaga sa line item. Hindi sinasabi ng pagkakahawig ng output category kung pareho rin ang makukuhang field sa bawat layout.

Magkano ang nakalistang singil?

Sa presyo ng Amazon Textract para sa US West (Oregon), $0.0015 bawat pahina ang Detect Document Text sa unang isang milyong pahina sa isang buwan. Para sa Analyze Document, $0.015 bawat pahina ang Tables at $0.05 ang Forms sa antas na iyon; $0.065 ang pinagsamang singil kapag pareho ang feature sa bawat pahina. $0.01 bawat pahina ang Analyze Expense para sa unang isang milyon, at kasama na ang OCR sa output nito.

Sa presyo ng Google Document AI, libre ang unang 1,000 count ng Enterprise Document OCR sa buwanang antas at $1.50 bawat 1,000 count ang kasunod na antas hanggang limang milyon. $30 bawat 1,000 pahina ang Form Parser sa unang isang milyon. Iba ang yunit ng Invoice Parser: $0.10 ang isang count, na sumasaklaw sa hanggang sampung pahina ng iisang dokumento. Kapag lumampas sa sampung pahina ang dokumento, nadaragdagan ang count ayon sa susunod na bloke ng mga pahina.

Mga list price sa US dollar ang mga halagang ito, hindi awtomatikong kabuuang gastos ng isang sistema sa Pilipinas. May pansamantalang free tier din ang Textract para sa mga bagong AWS customer; hindi iyon kasama sa mga kalkulasyon sa ibaba. Hindi rin kasama ang posibleng singil sa storage, iba pang cloud service, buwis o palitan ng pera. Para maging maihahambing ang mga numero, walang kontratang may diskuwento o ibang nakareserbang kapasidad na ipinapalagay.

Calculator: 1,000, 100,000 at isang milyong pahina

Magkakahiwalay na halimbawang buwanang workload ang bawat dami sa ibaba. Sa hanay ng invoice, ipinapalagay na tig-iisang pahina ang bawat invoice: magkapareho ang bilang ng pahina at dokumento. Sa structured extraction, parehong Forms at Tables ang ginagamit sa bawat pahina ng Textract, samantalang Form Parser ang ginagamit sa Google. Ang mga resulta ay simpleng pagpaparami ng nakalistang rate at dami, kasama ang libreng antas ng Google OCR ngunit walang AWS free tier.

1,000 pahina: Para sa plain OCR, $1.50 ang Textract at $0 ang Google dahil sakop ng libreng antas ang buong dami. Para sa forms at tables, $65 ang Textract at $30 ang Google Form Parser. Kung 1,000 invoice ang tig-iisang pahina, $10 ang Textract Analyze Expense at $100 ang Google Invoice Parser.
100,000 pahina: Para sa plain OCR, $150 ang Textract at $148.50 ang Google matapos ibawas ang unang libreng 1,000 count. Para sa forms at tables, $6,500 ang Textract at $3,000 ang Google. Kung 100,000 invoice ang tig-iisang pahina, $1,000 ang Textract at $10,000 ang Google.
Isang milyong pahina: Para sa plain OCR, $1,500 ang Textract at $1,498.50 ang Google sa parehong palagay. Para sa forms at tables, $65,000 ang Textract at $30,000 ang Google. Kung isang milyong invoice ang tig-iisang pahina, $10,000 ang Textract at $100,000 ang Google.

Halos magkapantay ang tinatayang gastos sa plain OCR sa mas malalaking dami rito. Sa forms na kailangan din ng tables, mas mababa ang nakalistang singil ng Google Form Parser sa mga halimbawang ito. Sa maiikling invoice, kabaligtaran ang agwat. Hindi ito ranggo ng katumpakan: presyo ng magkakaibang operasyon ang kinuwenta, hindi porsiyento ng mga field na tama nilang makukuha sa aktuwal na dokumento.

Binabago ng haba ng invoice ang paghahambing

Kung iisang pahina ang isang invoice, $0.01 ang Textract Analyze Expense at $0.10 ang Google Invoice Parser sa nakalistang rate. Kung sampung pahina ang iisang invoice, $0.10 ang singil batay sa mga pahina ng Textract at $0.10 pa rin ang isang count ng Google. Samakatuwid, kailangan sa pagtataya ang parehong bilang ng invoice at kabuuang pahina. Hindi sapat ang bilang ng mga file kung iba-iba ang haba ng mga ito.

May mahalagang pagkakaiba rin sa pagproseso ng mahabang dokumento. Ayon sa gabay ng Amazon sa asynchronous na pagproseso, tinatrato ng Textract expense analysis ang bawat pahina ng multipage na dokumento bilang hiwalay na invoice o resibo. Kaya ang pagkakapantay ng singil sa halimbawang sampung pahina ay hindi nangangahulugang magkapareho ang paraan ng pagsasama ng mga field sa isang invoice. Kung kailangang pag-ugnayin ang header at line items sa magkakaibang pahina, bahagi rin ng pagpili ang anyo ng output.

Para sa mga invoice sa Pilipinas, may dagdag na tanong tungkol sa wika at layout. Maaaring maghalo ang English at Filipino sa mga label, at maaaring magkakaiba ang pagkakaayos ng buwis, diskuwento at line items sa bawat supplier. Ang suporta ng Google Form Parser sa Filipino ay hindi katumbas ng nakalistang suporta nito sa Invoice Parser. Hiwalay sa presyo ang tanong kung alin sa mga kinakailangang field ang maaasahang makukuha mula sa partikular na mga dokumento.

Alin ang mas angkop?

Kung paghanap sa nilalaman ng scan ang layunin, Detect Document Text at Enterprise Document OCR ang tuwirang paghahambing; maliit ang agwat ng list price sa mataas na dami sa ipinakitang kalkulasyon. Kung kailangan ang mga value ng form at mga cell ng table, Analyze Document na may napiling feature at Form Parser ang dapat pagtapatin. Nasa Google ang mas mababang halimbawang singil kapag parehong forms at tables ang kailangan sa bawat pahina.

Para sa maraming invoice na tig-iisang pahina, mas mababa ang list price ng Textract Analyze Expense sa ipinakitang mga dami. Lumiliit ang agwat sa singil habang humahaba ang bawat invoice, dahil sumasaklaw ang isang Google count sa hanggang sampung pahina ng iisang dokumento. Ang pagpili ay nakasalalay sa uri ng output, bilang ng pahina sa bawat invoice, at kung paano ibinabalik ng parser ang mga field na kailangan ng sistema.

Basahin din: