Yandex Vision OCR

Yandex Vision OCR — облачный сервис Яндекса для распознавания текста. Он относится к семейству Yandex AI Studio, куда переехали ИИ-сервисы Yandex Cloud, и живёт в собственном разделе документации: старые ссылки на yandex.cloud отдают редирект.

Задача сформулирована узко и честно: сервис распознаёт «печатный и рукописный текст на изображениях и в файлах PDF». Это именно распознавание, а не разбор бизнес-процесса: сравнивать его надо не с Entera, которая доводит документ до проводки в 1С, а с движком, на котором такую систему можно построить.

Сервис не пытается решить всё одной моделью. Разные модели отвечают за:

• сплошной печатный текст на странице;
• рукописный текст;
• таблицы;
• шаблонные документы — паспорт, водительское удостоверение и другие.

Языки подключаются отдельными моделями, полный список вынесен в документацию. Выбор модели — ваша ответственность: если отправить рукописную анкету в модель для печатного текста, результат будет плохим, и сервис здесь ни при чём.

Здесь у сервиса сильная сторона, о которой часто забывают при сравнении. Результат отдаётся в формате JSON Lines с иерархией: слова собраны в строки, строки — в блоки, блоки — в страницы, и для каждого элемента возвращаются координаты ограничивающей рамки.

Практически это значит, что вы получаете не «простыню текста», а структуру, по которой можно самостоятельно определить, где на странице что находится: подтянуть значение справа от подписи «ИНН», собрать таблицу по координатам колонок, подсветить оператору исходное место в скане. Для собственной разработки это ценнее, чем готовый, но закрытый разбор полей.

Документация задаёт жёсткие рамки: «Поддерживаемые форматы файлов: JPEG, PNG, PDF», «Максимальный размер файла: 10 МБ», «Размер изображения не должен превышать 20 мегапикселей».

Это те ограничения, из-за которых обычно ломается первый прототип. Скан договора на сорок страниц в высоком разрешении не пройдёт одним файлом — резать придётся на своей стороне. TIFF, привычный для промышленного сканирования, в списке форматов не значится: конвертация ложится на вас.

Два режима. Синхронные запросы через gRPC и REST — когда ответ нужен сразу, например клиент сфотографировал документ и ждёт. Асинхронная пакетная обработка — когда файлов много и важна не задержка, а пропускная способность. Разделение стандартное для облачных OCR, но выбирать надо на старте: это разные схемы вызова.

Это облако, и документы уходят из вашего периметра. Ключевое отличие от Smart Document Engine и SOICA, которые работают в контуре заказчика. Если у вас паспорта клиентов или банковская тайна, вопрос к безопасникам возникнет раньше, чем вопрос о качестве.

Условия смотрите в разделе тарифов сервиса. Как считается оплата и что входит в стартовый грант, разработчик описывает отдельно, и это стоит сверить на актуальной странице, а не в обзорах.

Готового процесса нет. Сервис отдаёт текст и координаты; сопоставление с полями учётной системы, проверку и создание документа вы делаете сами. Если нужен результат «из коробки», смотрите системы, которые доводят документ до учётной записи.