Mistral OCR
Product
Mistral OCRは、Mistral AIが提供する光学文字認識APIで、スキャンや表を含むドキュメントを構造化されたMarkdownに変換します。エピソードでは、Azure AI Foundry内で動作します。
あわせて取り上げられたテーマ
Mistral OCRに関するエピソードでは、n8n、Chunking、Embeddings、Azure OpenAI Service、GDPR、Retrieval-augmented generation (RAG)も取り上げられています。
Description
Mistral OCRは、Mistral AIが提供する光学文字認識(OCR)APIです。スキャンや表を含むドキュメントを構造化されたMarkdownに変換するため、その内容を検索したり、処理したり、他のシステムに渡したりできます。Mistralのドキュメントでは、この機能はDocument AI OCR processorという名称で掲載されており、mistral-ocr-latestという別名は最新のOCRモデルを指します。M365.FMのプライベートな検索拡張生成(RAG)に関するエピソードでは、Azure AI Foundry内で使用されています。
このサービスは、PDFや画像からテキストと構造化されたコンテンツを抽出し、ドキュメントの構成と階層を維持します。対応する入力には、PNG、JPEG、AVIFなどの画像や、PDF、PPTX、DOCXなどのドキュメントが含まれます。ファイルは、公開URL、Base64、またはアップロードされたファイルとして渡すことができます。ドキュメントでは、40を超える言語への対応が示されています。
結果は、ページを含むJSONオブジェクトとして返されます。各ページには、Markdown、画像、表、ハイパーリンク、ヘッダー、フッター、サイズ、信頼度スコア、ブロックが含まれ、レスポンスにはモデルと使用状況の情報も含まれます。表は、Markdown内にインラインで残すことも、表形式パラメータを通じてMarkdownまたはHTMLの表として個別に返すこともできます。ヘッダーとフッターは個別に抽出できます。ブロック抽出では、読み取り順に並んだ段落単位のバウンディングボックスと、タイトル、リスト、表、数式、キャプション、コード、署名などの構造ラベルが返されます。信頼度スコアは、ページ、ブロック、単語の各レベルで要求できます。
一部の機能はモデルのバージョンに依存します。ドキュメントによると、表の書式設定とヘッダーやフッターの個別抽出にはOCRバージョン2512以降が必要で、ブロック抽出にはOCR 4以降が必要です。大量の処理にはMistralのBatch Inferenceサービスが推奨されており、構造化された出力についてはDocument Annotationsが案内されています。ドキュメントのページ自体にはAzure AI Foundryへの言及はなく、そのホスティング構成の詳細はエピソードからのみ得られます。
典型的な場面は、スキャンや画像ベースのドキュメントから構築されたナレッジベースです。スキャンとしてのみ存在するテキストは、認識されて変換されるまで検索することも、言語モデルで取得することもできません。Mistral OCRは、見出し、リスト、表を保持したMarkdownを生成するため、平坦な抽出テキストよりもインデックス化に適した形式を実現します。導入時の判断は通常、表の出力形式、ヘッダーやフッターを残すか削除するか、不確かな箇所を示すために信頼度スコアが必要か、ドキュメント量に対してバッチ処理が適切かといった点に関わります。
エピソード「How to Build Private RAG with SharePoint and n8n」(2026-06-06)では、Mistral OCRをプライベートな検索拡張生成の構成に位置づけています。エピソードでは、Mistral OCRのようなツールがスキャンされたドキュメントを検索可能なデータに変換し、それによってナレッジベースを改善すると述べています。また、ドキュメントの整理と検索のための正しいSharePointの設定、SharePointを接続しデータ取得タスクを管理するn8nによるワークフロー自動化と並んで紹介されています。さらに、ソリューションの信頼性と効率を保つために定期的なテストと反復的な改善を推奨し、複数のデータソースを統合し、組織のニーズに合わせてワークフローを調整することで、そのようなソリューションを拡張できることにも触れています。
Overview compiled with AI from M365.FM episodes and the facts on this page. You can improve it with the edit button below.
| Type | Product |
|---|
Frequently asked questions
Questions marked with AI were written with AI from the facts on this page.
Mistral OCRは何をするものですか? (AI)
Mistral OCRは、Mistral AIが提供するAPIで、PDFや画像からテキストと構造化されたコンテンツを抽出し、表を含めてMarkdownとして返します。結果はページごとに整理されたJSONレスポンスに含まれます。
Mistral OCRはどのファイル形式と言語に対応していますか? (AI)
Mistralのドキュメントによると、入力にはPNG、JPEG、AVIFなどの画像や、PDF、PPTX、DOCXなどのドキュメントを利用でき、公開URL、Base64、またはアップロードされたファイルとして提供できます。40を超える言語に対応しています。
M365.FMのプライベートRAGに関するエピソードでは、Mistral OCRはどのように使われていますか? (AI)
エピソード「How to Build Private RAG with SharePoint and n8n」では、Azure AI Foundry上で動作するMistral OCRを、SharePointとn8nに基づくRAGソリューションの背後にあるナレッジベースのために、スキャンされたドキュメントを検索可能なデータに変換する手段として説明しています。
Community wiki
Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.
Experts and companies for this topic
Nobody has listed this topic yet. Add it to your profile.
Maintained by Mirko Peters (Microsoft MVP) · Last updated: