Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Introdução à Document AI

Aula 1 de 16 Atualizada a 2 de novembro de 2026 Programador
Nesta página
  1. Por que a Document AI muda as regras do jogo
  2. Os três serviços da Document AI
  3. OCR tradicional vs. Document AI
  4. Saída em Markdown estruturado
  5. O que vai aprender
  6. Pontos-chave

Atualizado em 2 de novembro de 2026 — OCR. O OCR 4.0 (mistral-ocr-4-0) foi desativado a 30 de setembro de 2026. Utilize o OCR 4.1 (mistral-ocr-4-1), disponível para uso geral desde 31 de agosto pelo mesmo preço, ou o alias mistral-ocr-latest, que aponta para esta versão desde 16 de julho. O OCR 4.1 adiciona pontuações de confiança ao nível do bloco.

Por que a Document AI muda as regras do jogo

Todas as manhãs, uma seguradora recebe centenas de formulários de sinistro: documentos digitalizados inclinados em ângulos estranhos, relatórios manuscritos preenchidos a caneta e fotografias de faturas tiradas com um telemóvel. Os bancos enfrentam o mesmo problema com extratos, os hospitais com registos de doentes e as agências governamentais com formulários. Durante décadas, o reconhecimento ótico de carateres (OCR) tradicional tentou resolver este problema, muitas vezes com resultados dececionantes assim que os esquemas se tornam complexos, há escrita manual envolvida ou os documentos misturam vários idiomas.

A Mistral AI criou a Document AI para gerir exatamente este tipo de fluxo de trabalho. Não é apenas mais um motor OCR: a solução combina um modelo de linguagem visual (VLM) especializado com capacidades de extração estruturada e inteligência documental. Por outras palavras, não se limita a ler carateres; reconstrói o documento tal como está organizado e permite consultá-lo posteriormente.

2,000
Páginas/min por GPU
3
Serviços integrados
50+
Idiomas suportados
6
Formatos suportados

Os três serviços da Document AI

A Document AI baseia-se em três serviços complementares, todos acessíveis através da API da Mistral. É útil compreender como estes se encadeiam desde o início.

O primeiro, o Processador OCR, é o núcleo do sistema. O modelo mistral-ocr-latest (OCR 4) extrai texto de documentos digitalizados, PDFs, imagens e apresentações. Enquanto um OCR clássico como o Tesseract devolve uma confusão de linhas, este modelo preserva a estrutura: títulos, parágrafos, tabelas, listas e hiperligações. Retomando o exemplo do formulário de sinistro da seguradora: obtém o formulário de volta com as suas secções identificadas, e não um bloco de texto que terá de desembaraçar.

O segundo serviço, Anotações de Documentos, assume o controlo para extrair dados acionáveis. Define um esquema Pydantic — nome do doente, valor da fatura, cláusulas contratuais — e o modelo preenche automaticamente estes campos. Passa de texto legível para valores tipados que um sistema de informação pode ingerir.

O terceiro, QnA de Documentos, combina OCR com um LLM da Mistral para permitir colocar perguntas em linguagem natural sobre o conteúdo. É isto que permite a um advogado perguntar: “Qual é o prazo de aviso prévio para rescisão?” em vez de reler quarenta páginas. É também a forma natural de aceder a grandes arquivos ou comparar relatórios.

OCR tradicional vs. Document AI

O OCR tradicional, seja o Tesseract ou o Adobe Acrobat, funciona reconhecendo padrões píxel a píxel. Este princípio funciona bem numa página impressa nítida, mas desmorona-se assim que se sai desse caso ideal. Um jornal com múltiplas colunas, cabeçalhos aninhados e barras laterais ilustradas produz um texto onde a ordem de leitura já não faz sentido. As notas manuscritas de um médico ou formulários preenchidos manualmente permanecem ilegíveis para este sistema. Tabelas com células fundidas, limites em falta ou alinhamentos irregulares perdem toda a relação entre colunas e linhas. Adicione um documento que misture scripts latinos, árabes e asiáticos, ou uma digitalização ruidosa, inclinada e desfocada, e a taxa de erro torna-se proibitiva.

A Document AI baseia-se num modelo de visão afinado (VLM) que compreende a semântica do documento. Não se limita a reconhecer carateres: compreende a estrutura, o contexto e as relações entre os elementos. Esta diferença fundamental de natureza, e não apenas um simples ganho de precisão, explica os seus resultados em casos difíceis.

Saída em Markdown estruturado

Outra diferença fundamental: a Document AI produz Markdown estruturado, e não texto simples. Cada página é devolvida com o seu conteúdo textual etiquetado — títulos, listas, parágrafos —, as suas tabelas formatadas em Markdown ou HTML, as imagens extraídas acompanhadas da sua posição, as hiperligações preservadas e, se desejar, os cabeçalhos e rodapés isolados do corpo do texto. Esta saída está pronta a usar: pode indexá-la numa base de dados vetorial para RAG, arquivá-la ou apresentá-la tal como está, sem uma etapa intermédia de limpeza.

No lado da entrada, o serviço abrange PDFs (digitalizados e nativos), imagens PNG, JPEG e AVIF, apresentações PPTX e documentos DOCX. O tamanho máximo do ficheiro é de 50 MB, com um limite de 1.000 páginas — dois limites a ter em conta ao dividir os seus lotes.

O que vai aprender

O curso segue a ordem dos três serviços. As lições 1 a 3 cobrem a visão geral, o modelo OCR 4 e os casos de uso. As lições 4 a 8 aprofundam o OCR: a API, código Python, tabelas, cabeçalhos e rodapés, e otimização da precisão. As lições 9 a 12 tratam das anotações, desde a extração de metadados até ao processamento em lote. As lições 13 a 16 abordam o QnA de documentos, desde documentos únicos até configurações multidocumento, passando pela integração RAG e pipelines de produção.

Pontos-chave

  • A Document AI combina OCR, anotações estruturadas e QnA numa única solução
  • O modelo OCR 4 supera amplamente as soluções OCR tradicionais em precisão e flexibilidade
  • A saída em Markdown estruturado facilita a integração nos seus pipelines existentes
  • Três serviços complementares cobrem todo o ciclo de vida do documento