APIs de Linguagem e Visão na Prática

A API do Computer Vision (/vision/v3.2/analyze) analisa uma URL de imagem ou um fluxo binário e retorna uma resposta JSON detalhada contendo objetos detectados, uma descrição da cena em linguagem natural, as cores predominantes e a indicação de existência de conteúdo adulto na imagem. O senhor especifica quais recursos visuais deseja — Categories, Description, Objects, Tags, Faces, Color, Adult — para controlar o que a API calcula e pagar somente pelo que usar.

A Read API (/vision/v3.2/read/analyze) é o ponto de extremidade OCR recomendado para extrair texto de imagens e PDFs. Diferentemente do antigo ponto de extremidade /ocr, a Read API é assíncrona: o senhor envia a imagem, recebe uma URL de operação, consulta essa URL até a conclusão e, então, recupera o resultado. Ela oferece suporte a texto impresso e manuscrito em 164 idiomas, preserva a ordem de leitura dos blocos de texto e lida melhor com imagens giradas ou de baixa resolução do que o ponto de extremidade OCR síncrono.

O ponto de extremidade de análise de sentimentos (/text/analytics/v3.1/sentiment) retorna um rótulo de sentimento (positivo, negativo, neutro ou misto) e uma pontuação de confiança entre 0 e 1 para cada documento enviado. Ele também fornece mineração de opiniões (sentimento baseado em aspectos), que identifica quais aspectos específicos de um produto ou serviço estão sendo comentados por um avaliador e qual é o sentimento em relação a cada aspecto — por exemplo, detectando que uma avaliação de restaurante é positiva quanto à comida, mas negativa quanto ao serviço.

A extração de frases-chave identifica os principais tópicos e conceitos em um corpo de texto e os retorna como uma lista de frases. Para um e-mail de suporte ao cliente, por exemplo, ela pode retornar frases como atraso na entrega, confirmação do pedido e solicitação de reembolso. Esse recurso é útil para marcar automaticamente tíquetes de suporte, resumir documentos para indexação em pesquisas ou priorizar conteúdo em uma base de conhecimento. A API processa até 1.000 documentos por solicitação e oferece suporte a mais de 10 idiomas.

O reconhecimento de entidades nomeadas (NER) identifica e categoriza menções a entidades no texto, como Person, Organisation, Location, DateTime, Quantity, URL e Email. A variante de detecção de PII (informações de identificação pessoal) localiza especificamente e pode ocultar dados confidenciais, como números de cartão de crédito, números de seguridade social e números de telefone. A detecção de PII é útil para anonimizar dados automaticamente antes de armazená-los ou processá-los para análises.

A API do Translator (/translate) converte texto entre mais de 100 idiomas em uma única chamada REST. O senhor envia o texto de origem, especifica um ou mais códigos de idioma de destino e recebe o texto traduzido com o idioma de origem detectado. A API também fornece transliteração (conversão de escrita, por exemplo, do árabe para caracteres latinos) e consulta ao dicionário para obter alternativas de tradução no nível das palavras. O Translator oferece suporte ao processamento em lote de até 100 documentos por solicitação, o que o torna eficiente para a localização de conteúdo em grande escala.

O Azure AI Custom Vision permite treinar um modelo de classificação de imagens ou detecção de objetos usando suas próprias imagens rotuladas, sem escrever código de ML. No portal do Custom Vision, o senhor carrega as imagens, marca-as e clica em Train. O serviço treina um modelo e retorna métricas de desempenho (Precision, Recall, AP). Em seguida, o senhor testa o modelo com novas imagens e o publica como um ponto de extremidade de previsão. Os modelos também podem ser exportados como ONNX ou CoreML para inferência no dispositivo.

O Conversational Language Understanding (CLU) é o sucessor do LUIS. O senhor define intenções (o que o usuário deseja, por exemplo, BookFlight e GetWeather) e entidades (dados a serem extraídos, por exemplo, cidade de destino e data da viagem), fornece enunciados de exemplo para cada intenção, treina o modelo e o implanta. As aplicações chamam o ponto de extremidade de previsão do CLU para classificar a entrada do usuário na intenção correta e extrair entidades. O CLU fornece a camada de compreensão de assistentes virtuais e chatbots.

As APIs de Azure AI Services retornam códigos de status HTTP padrão. 400 Bad Request significa que a entrada está malformada (por exemplo, um documento longo demais — o Text Analytics oferece suporte a até 5.120 caracteres por documento). 401 Unauthorized significa que a chave de API é inválida ou está ausente. 429 Too Many Requests significa que o senhor excedeu a cota do serviço — implemente espera exponencial com aleatoriedade e tente novamente. Em produção, considere usar um recurso dedicado (não a camada gratuita) e solicite aumentos de cota pelo portal do Azure se precisar de maior capacidade de processamento.

Azure AI Services pode ser integrado ao Azure Logic Apps usando conectores integrados, permitindo fluxos de trabalho de IA sem código. Por exemplo: quando um novo e-mail chegar → extrair anexos → chamar a Read API do Computer Vision para aplicar OCR ao texto dos anexos → chamar o Text Analytics para extrair frases-chave → gravar os resultados em uma lista do SharePoint. O Logic Apps inclui conectores para Cognitive Services (Language, Vision e Translator) que gerenciam a autenticação e as chamadas de API sem que seja necessário escrever código de solicitação REST.

A Microsoft publica pacotes oficiais do Python para cada Serviço de IA. Instale azure-ai-textanalytics para as APIs de Linguagem ou azure-cognitiveservices-vision-computervision para Visão. O SDK gerencia automaticamente a autenticação, a serialização e a lógica de novas tentativas. Autentique-se usando uma AzureKeyCredential ou uma DefaultAzureCredential (compatível com identidade gerenciada). O uso do SDK é preferível a solicitações HTTP diretas no código de produção, pois oferece segurança de tipos e facilita as atualizações quando as versões da API mudam.

Teste sua compreensão dos conceitos do Microsoft Azure Fundamentals (AZ-900) apresentados nesta lição.

Nesta lição, você aprendeu que a API de Visão Computacional analisa imagens em busca de objetos, descrições e texto de OCR (usando a API Read assíncrona); as APIs de Análise de Texto extraem sentimentos, frases-chave e PII de textos; e a API do Tradutor converte textos entre mais de 100 idiomas em uma única chamada. A seguir, exploraremos o Azure Machine Learning Studio para treinar e implantar modelos personalizados de ML.