SynapseML 是一个开源库，可简化可缩放机器学习管道的创建，并与 Azure Synapse Analytics 无缝集成。 它可以处理各种机器学习任务，例如文本分析和计算机视觉，并支持多种编程语言，包括 Python、R、Scala、Java 和 .NET。
Azure AI 服务 是一套 API、SDK 和服务，开发人员可以使用这些 API、SDK 和服务向其应用程序添加认知功能，从而生成智能应用程序。 即使开发人员没有直接的 AI 或数据科学技能或知识，AI 服务也能为他们提供帮助。 Azure AI 服务的目标是帮助开发人员创建能够查看、听到、说话、理解甚至开始推理的应用程序。 Azure AI 服务中的服务目录可分为五个主要支柱：视觉、语音、语言、Web 搜索和 决策。 Fabric 使用 SynapseML 提供对这些服务的访问权限。
注释
Fabric 与 Azure AI 服务无缝集成，使你能够使用 Azure OpenAI 服务、 文本分析、 Azure AI Translator 丰富数据。 目前为公共预览版，有关 Fabric 中预生成的 AI 服务的详细信息，请参阅 Fabric 中的 AI 服务。
通过自带密钥使用 Azure AI 服务
愿景
- 描述：以人类可读语言提供图像的说明（Scala、 Python）
- 分析（颜色、图像类型、人脸、成人/不雅内容）：分析图像的视觉特征（Scala、 Python）
- OCR：读取图像中的文本（Scala、 Python）
- 识别文本：从图像读取文本（Scala、 Python）
- 缩略图：从图像生成用户指定大小的缩略图（Scala、 Python）
- 识别特定于域的内容：识别特定于域的内容（名人、地标）（Scala、 Python）
- 标记：标识与输入图像相关的字词列表（Scala、 Python）
- 检测：检测图像中的人脸（Scala、Python）
- 验证：验证两张人脸是否属于同一个人，或者一张人脸是否属于某一个人（Scala、Python）
- 识别：在人员组中查找与特定查询人脸最接近的匹配项（Scala、Python）
- 查找相似人脸：在人脸列表中查找与查询人脸相似的人脸（Scala、Python）
- 分组：根据相似性将一组人脸划分成不相交的组（Scala、Python）
演讲
语言
- 语言检测：检测输入文本的语言（Scala、 Python）
- 关键短语提取：标识输入文本中的关键谈话点（Scala、 Python）
- 命名实体识别：标识输入文本中的已知实体和常规命名实体（Scala、 Python）
- 情绪分析：返回一个介于 0 和 1 之间的分数，指示输入文本中的情绪（Scala，Python）
- 医疗保健实体提取：从文本中提取医疗实体和关系。 （Scala、 Python）
翻译
- 翻译：翻译文本。 （Scala、 Python）
- 音译：将一种语言的文本从一个脚本转换为另一个脚本。 （Scala、 Python）
- 检测：识别一段文本的语言。 （Scala、 Python）
- 断句：识别文本段中的句子边界的位置。 （Scala、 Python）
- 字典查找：为单词和一些惯用短语提供替代翻译。 （Scala、 Python）
- 字典示例：提供示例，说明如何在上下文中使用字典中的术语。 （Scala、 Python）
- 文档翻译：翻译所有支持的语言和方言的文档，同时保留文档结构和数据格式。 （Scala、 Python）
Azure AI 文档智能
- 分析布局：从给定文档中提取文本和布局信息。 （Scala、 Python）
- 分析收据：使用光学字符识别（OCR）和收据模型检测和提取收据中的数据。 借助此功能，可以轻松地从商家名称、商家电话号码、交易日期、交易总额等收据中提取结构化数据。 （Scala、 Python）
- 分析名片：使用光学字符识别（OCR）和名片模型检测和提取名片中的数据。 借助此功能，可以轻松地从名片中提取结构化数据，例如联系人姓名、公司名称、电话号码、电子邮件等。 （Scala、 Python）
- 分析发票：使用光学字符识别（OCR）和发票理解深度学习模型检测和提取发票中的数据。 借助此功能，可以轻松地从发票中提取结构化数据，例如客户、供应商、发票 ID、发票截止日期、总计、发票金额、税额、发货到、帐单到、明细项目等。 （Scala、 Python）
- 分析 ID 文档：使用光学字符识别 (OCR) 和我们的 ID 文档模型从标识文档中检测和提取数据，从而轻松从 ID 文档中提取结构化数据，例如名字、姓氏、出生日期、文档编号等。 （Scala、 Python）
- 分析自定义表单：根据从一组有代表性的训练表单创建的模型，将表单（PDF 和图像）中的信息提取到结构化数据中。 （Scala、 Python）
- 获取自定义模型：获取有关自定义模型的详细信息。 （Scala、 Python）
- 列出自定义模型：获取有关所有自定义模型的信息。 （Scala、 Python）