Pular para o conteúdo
Skillpedia
Agentes48 mil · #2269

azure-ai-contentunderstanding-py

Extrai informações de diferentes tipos de mídia. Ajuda a entender o conteúdo de documentos, imagens, áudio e vídeo automaticamente.

O que ela faz

Esta ferramenta extrai informações de documentos, imagens, áudio e vídeo. Ela pode transcrever áudio, identificar texto em imagens e extrair dados de faturas.

Quando usar

  • ✓Quando você precisa transcrever um arquivo de áudio.
  • ✓Para encontrar informações específicas em um documento longo.
  • ✓Para extrair dados de faturas ou recibos.

Exemplo do que pedir para a IA

“Extraia o texto de todas as imagens neste documento PDF.”

Quer saber mais? Abra as seções abaixo.

Como usar

O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.

Link da skill

https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/azure-ai-contentunderstanding-py/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/azure-ai-contentunderstanding-py/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

Você fornece um arquivo (documento, imagem, áudio ou vídeo) e escolhe o tipo de análise. A ferramenta processa o arquivo e devolve as informações extraídas de forma organizada.

Instalação

Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.

No terminal (Claude Code, Codex, Cursor), na pasta do projeto:

npx skills add sickn33/agentic-awesome-skills --skill azure-ai-contentunderstanding-py

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/azure-ai-contentunderstanding-py/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

SDK do Azure AI Content Understanding para Python

Serviço de IA multimodal que extrai conteúdo semântico de documentos, vídeos, áudios e arquivos de imagem para RAG e fluxos de trabalho automatizados.

Instalação

pip install azure-ai-contentunderstanding

Variáveis de Ambiente

CONTENTUNDERSTANDING_ENDPOINT=https://<resource>.cognitiveservices.azure.com/

Autenticação

import os
from azure.ai.contentunderstanding import ContentUnderstandingClient
from azure.identity import DefaultAzureCredential

endpoint = os.environ["CONTENTUNDERSTANDING_ENDPOINT"]
credential = DefaultAzureCredential()
client = ContentUnderstandingClient(endpoint=endpoint, credential=credential)

Fluxo de Trabalho Principal

As operações de Content Understanding são operações assíncronas de longa duração:

  1. Iniciar Análise — Inicie a operação de análise com begin_analyze() (retorna um poller)
  2. Verificar Resultados — Verifique até que a análise seja concluída (o SDK cuida disso com .result())
  3. Processar Resultados — Extraia resultados estruturados de AnalyzeResult.contents

Analisadores Pré-construídos

Analisador Tipo de Conteúdo Propósito
prebuilt-documentSearch Documentos Extrai markdown para aplicações RAG
prebuilt-imageSearch Imagens Extrai conteúdo de imagens
prebuilt-audioSearch Áudio Transcreve áudio com marcação de tempo
prebuilt-videoSearch Vídeo Extrai quadros, transcrições, resumos
prebuilt-invoice Documentos Extrai campos de faturas

Analisar Documento

import os
from azure.ai.contentunderstanding import ContentUnderstandingClient
from azure.ai.contentunderstanding.models import AnalyzeInput
from azure.identity import DefaultAzureCredential

endpoint = os.environ["CONTENTUNDERSTANDING_ENDPOINT"]
client = ContentUnderstandingClient(
    endpoint=endpoint,
    credential=DefaultAzureCredential()
)

# Analyze document from URL
poller = client.begin_analyze(
    analyzer_id="prebuilt-documentSearch",
    inputs=[AnalyzeInput(url="https://example.com/document.pdf")]
)

result = poller.result()

# Access markdown content (contents is a list)
content = result.contents[0]
print(content.markdown)

Acessar Detalhes do Conteúdo do Documento

from azure.ai.contentunderstanding.models import MediaContentKind, DocumentContent

content = result.contents[0]
if content.kind == MediaContentKind.DOCUMENT:
    document_content: DocumentContent = content  # type: ignore
    print(document_content.start_page_number)

Analisar Imagem

from azure.ai.contentunderstanding.models import AnalyzeInput

poller = client.begin_analyze(
    analyzer_id="prebuilt-imageSearch",
    inputs=[AnalyzeInput(url="https://example.com/image.jpg")]
)
result = poller.result()
content = result.contents[0]
print(content.markdown)

Analisar Vídeo

from azure.ai.contentunderstanding.models import AnalyzeInput

poller = client.begin_analyze(
    analyzer_id="prebuilt-videoSearch",
    inputs=[AnalyzeInput(url="https://example.com/video.mp4")]
)

result = poller.result()

# Access video content (AudioVisualContent)
content = result.contents[0]

# Get transcript phrases with timing
for phrase in content.transcript_phrases:
    print(f"[{phrase.start_time} - {phrase.end_time}]: {phrase.text}")

# Get key frames (for video)
for frame in content.key_frames:
    print(f"Frame at {frame.time}: {frame.description}")

Analisar Áudio

from azure.ai.contentunderstanding.models import AnalyzeInput

poller = client.begin_analyze(
    analyzer_id="prebuilt-audioSearch",
    inputs=[AnalyzeInput(url="https://example.com/audio.mp3")]
)

result = poller.result()

# Access audio transcript
content = result.contents[0]
for phrase in content.transcript_phrases:
    print(f"[{phrase.start_time}] {phrase.text}")

Analisadores Personalizados

Crie analisadores personalizados com esquemas de campos para extração especializada:

# Criar analisador personalizado
analyzer = client.create_analyzer(
    analyzer_id="meu-analisador-fatura",
    analyzer={
        "description": "Analisador personalizado de faturas",
        "base_analyzer_id": "prebuilt-documentSearch",
        "field_schema": {
            "fields": {
                "nome_fornecedor": {"type": "string"},
                "total_fatura": {"type": "number"},
                "itens_linha": {
                    "type": "array",
                    "items": {
                        "type": "object",
                        "properties": {

…
Perguntas frequentes

O que é 'multimodal'?

Significa que a ferramenta pode trabalhar com diferentes tipos de mídia, como texto, imagens, áudio e vídeo.

O que é RAG?

RAG é uma técnica que ajuda modelos de IA a usar informações de documentos externos para responder perguntas com mais precisão.

Posso criar minhas próprias análises?

Sim, você pode criar análises personalizadas para extrair tipos específicos de dados, como informações de faturas.

Detalhes

Descrição original do autor

Azure AI Content Understanding SDK for Python. Use for multimodal content extraction from documents, images, audio, and video.

repo: sickn33/agentic-awesome-skills

Popularidade

Estrelas no GitHub
48 mil
Posição no ranking
#2269
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas