API de Language y Vision en la práctica

La API de Computer Vision (/vision/v3.2/analyze) analiza una URL de imagen o un flujo binario y devuelve una respuesta JSON detallada que contiene los objetos detectados, una descripción de la escena en lenguaje natural, los colores dominantes y si la imagen contiene contenido para adultos. Debe especificar las características visuales que desea — Categories, Description, Objects, Tags, Faces, Color, Adult — para controlar lo que calcula la API y pagar únicamente por lo que utiliza.

La API Read (/vision/v3.2/read/analyze) es el punto de conexión de OCR recomendado para extraer texto de imágenes y archivos PDF. A diferencia del antiguo punto de conexión /ocr, la API Read es asíncrona: se envía la imagen, se recibe la URL de una operación, se consulta periódicamente hasta que finaliza y, después, se recupera el resultado. Admite texto impreso y manuscrito en 164 idiomas, conserva el orden de lectura de los bloques de texto y gestiona mejor las imágenes giradas o de baja resolución que el punto de conexión de OCR síncrono.

El punto de conexión de análisis de sentimiento (/text/analytics/v3.1/sentiment) devuelve una etiqueta de sentimiento (positive, negative, neutral o mixed) y una puntuación de confianza entre 0 y 1 para cada documento enviado. También proporciona extracción de opiniones (análisis de sentimiento basado en aspectos), que identifica los aspectos concretos de un producto o servicio sobre los que opina un reseñador y el sentimiento asociado a cada aspecto; por ejemplo, puede detectar que una reseña de un restaurante es positiva respecto a la comida, pero negativa respecto al servicio.

La extracción de frases clave identifica los temas y conceptos principales de un texto y los devuelve como una lista de frases. En un correo electrónico de atención al cliente, podría devolver frases como retraso en la entrega, confirmación del pedido y solicitud de reembolso. Esto resulta útil para etiquetar automáticamente las solicitudes de soporte, resumir documentos para indexarlos en búsquedas o priorizar contenido en una base de conocimientos. La API procesa hasta 1.000 documentos por solicitud y admite más de 10 idiomas.

El reconocimiento de entidades con nombre (NER) identifica y clasifica menciones de entidades en el texto, como Person, Organisation, Location, DateTime, Quantity, URL y Email. La variante de detección de PII (información de identificación personal) busca específicamente datos confidenciales, como números de tarjetas de crédito, números de la seguridad social y números de teléfono, y puede ocultarlos. La detección de PII resulta útil para anonimizar automáticamente los datos antes de almacenarlos o procesarlos para análisis.

La API de Translator (/translate) convierte texto entre más de 100 idiomas en una sola llamada REST. Se proporciona el texto de origen, se especifican uno o varios códigos de idioma de destino y se recibe el texto traducido junto con el idioma de origen detectado. La API también ofrece transliteración (conversión de escritura, por ejemplo, de caracteres árabes a caracteres latinos) y búsqueda en el diccionario para obtener alternativas de traducción a nivel de palabra. Translator admite el procesamiento por lotes de hasta 100 documentos por solicitud, lo que resulta eficaz para la localización de contenido a gran escala.

Azure AI Custom Vision permite entrenar un modelo de clasificación de imágenes o detección de objetos con sus propias imágenes etiquetadas, sin escribir código de ML. En el portal de Custom Vision, cargue las imágenes, etiquételas y haga clic en Train. El servicio entrena un modelo y devuelve métricas de rendimiento (Precision, Recall, AP). A continuación, puede probar el modelo con imágenes nuevas y publicarlo como un punto de conexión de predicción. Los modelos también se pueden exportar como ONNX o CoreML para realizar inferencias en el dispositivo.

Conversational Language Understanding (CLU) es el sucesor de LUIS. Debe definir intenciones (lo que quiere el usuario, por ejemplo, BookFlight o GetWeather) y entidades (datos que se deben extraer, por ejemplo, la ciudad de destino o la fecha del viaje), proporcionar expresiones de ejemplo para cada intención, entrenar el modelo e implementarlo. Las aplicaciones llaman al punto de conexión de predicción de CLU para clasificar la entrada del usuario en la intención correcta y extraer las entidades. CLU proporciona la capa de comprensión de los asistentes virtuales y los chatbots.

Las API de Azure AI Services devuelven códigos de estado HTTP estándar. 400 Bad Request indica una entrada con formato incorrecto (por ejemplo, un documento demasiado largo; Text Analytics admite hasta 5.120 caracteres por documento). 401 Unauthorized indica que la clave de API no es válida o falta. 429 Too Many Requests indica que se ha superado la cuota del servicio; implemente un retroceso exponencial con jitter y vuelva a intentarlo. En producción, considere utilizar un recurso dedicado (no el nivel gratuito) y solicitar aumentos de cuota a través del portal de Azure si necesita un mayor rendimiento.

Azure AI Services se puede integrar con Azure Logic Apps mediante conectores integrados, lo que permite crear flujos de trabajo de IA sin código. Por ejemplo: cuando llega un correo nuevo → extraer los archivos adjuntos → llamar a la API Read de Computer Vision para aplicar OCR al texto de los archivos adjuntos → llamar a Text Analytics para extraer frases clave → escribir los resultados en una lista de SharePoint. Logic Apps incluye conectores para Cognitive Services (Language, Vision, Translator) que gestionan la autenticación y las llamadas a la API sin necesidad de escribir código para las solicitudes REST.

Microsoft publica paquetes oficiales de Python para cada servicio de IA. Instale azure-ai-textanalytics para las API de Language o azure-cognitiveservices-vision-computervision para Vision. El SDK gestiona automáticamente la autenticación, la serialización y la lógica de reintentos. Autentíquese mediante una AzureKeyCredential o una DefaultAzureCredential (compatible con identidades administradas). En el código de producción, se recomienda usar el SDK en lugar de solicitudes HTTP directas, ya que proporciona seguridad de tipos y facilita las actualizaciones cuando cambian las versiones de la API.

Compruebe su comprensión de los conceptos de Microsoft Azure Fundamentals (AZ-900) de esta lección.

En esta lección ha aprendido que la Computer Vision API analiza imágenes para detectar objetos, generar descripciones y extraer texto mediante OCR (con la API Read asíncrona); las Text Analytics APIs extraen sentimientos, frases clave e información de identificación personal de los textos; y la Translator API convierte texto entre más de 100 idiomas en una sola llamada. A continuación, exploraremos Azure Machine Learning Studio para entrenar e implementar modelos de ML personalizados.