AI_EXTRACT¶

構文¶

入力文字列から情報を抽出する:

AI_EXTRACT( <text>, <responseFormat> )

AI_EXTRACT( text => <text>,
            responseFormat => <responseFormat> )

ファイルから情報を抽出する:

AI_EXTRACT( <file>, <responseFormat> )

AI_EXTRACT( file => <file>,
            responseFormat => <responseFormat>,
            [ config => <config_object> ]

引数¶

text

抽出用の入力文字列。

file

抽出用の FILE。

サポートされているファイル形式:

• PDF

• PNG

• PPTX、 PPT

• EML

• DOC、 DOCX

• JPEG, JPG

• HTM, HTML

• TEXT, TXT

• TIF, TIFF

• BMP、 GIF、 WEBP

• MD

ファイルのサイズは100 MB 未満である必要があります。

responseFormat

抽出される情報。形式は抽出のタイプによって異なります。

エンティティ抽出形式

次の形式のいずれかを指定して単一の値を抽出します。

• ラベルと抽出する情報をマッピングする単純なオブジェクトスキーマ。

  Expand

  {'name': 'What is the last name of the employee?', 'address': 'What is the address of the employee?'}
  

  Show lessSee more

  Scroll to top

• 抽出する情報を含む文字列の配列。

  Expand

  ['What is the last name of the employee?', 'What is the address of the employee?']
  

  Show lessSee more

  Scroll to top

• 2つの文字列（ラベルと抽出する情報）を含む配列の配列。

  Expand

  [['name', 'What is the last name of the employee?'], ['address', 'What is the address of the employee?']]
  

  Show lessSee more

  Scroll to top

• サブオブジェクトに``'type': 'string'``を持つJSONスキーマ。

  Expand

  {
    'schema': {
      'type': 'object',
      'properties': {
        'title': {
          'description': 'What is the title of the document?',
          'type': 'string'
        }
      }
    }
  }
  

  Show lessSee more

  Scroll to top

リスト抽出形式

サブオブジェクトに``'type': 'array'``を持つJSONスキーマを使用して、値の配列を抽出します。

Expand

{
  'schema': {
    'type': 'object',
    'properties': {
      'employees': {
        'description': 'What are the names of employees?',
        'type': 'array'
      }
    }
  }
}

Show lessSee more

Scroll to top

テーブル抽出形式

'type': 'object'``および``column_ordering``を持つJSONスキーマを使用して、表形式のデータを抽出します。各列は、'type': 'array'``と、ファイルの列名と一致する``description``を持つネストされたプロパティとして定義されます。

Expand

{
  'schema': {
    'type': 'object',
    'properties': {
      'income_table': {
        'description': 'Income for FY2026Q2',
        'type': 'object',
        'column_ordering': ['month', 'income'],
        'properties': {
          'month': {
            'description': 'Month',
            'type': 'array'
          },
          'income': {
            'description': 'Income',
            'type': 'array'
          }
        }
      }
    }
  }
}

Show lessSee more

Scroll to top

注釈

• JSON スキーマ形式を他の応答形式と組み合わせることはできません。responseFormat に schema キーが含まれている場合、すべての質問を JSON スキーマ内で定義する必要があります。追加キーはサポートされていません。

• このモデルは、 JSON スキーマの特定の形式のみを受け入れます。最上位タイプは常に、独立して抽出されたサブオブジェクトを含むオブジェクトである必要があります。サブオブジェクトは、テーブル（列を表す文字列のリストのオブジェクト）、文字列のリスト、または文字列の場合があります。

  現在サポートされているスカラー型は文字列のみです。

• description フィールドを使用して、モデルにコンテキストを提供します。たとえば、モデルがドキュメント内の正しい適切なテーブルをローカライズするのに役立ちます。列のヘッダー名を入力するか、他の方法で列を説明することができます。

• column_ordering フィールドを使用して、抽出されたテーブル内にあるすべての列の順序を指定します。column_ordering フィールドでは大文字と小文字が区別されます。 properties フィールドで定義された列名と一致する必要があります。順序は、ドキュメントの列の順序を反映する必要があります。

config => config_object

構成設定を指定する:ref:OBJECT <label-data_type_object>`値。このオブジェクトを指定するには、 :ref:`OBJECT 定数 <label-object_constant> を使用します。

このオブジェクトでは、次のキーと値のペアを指定できます。

キー	説明
scale_factor	1.0から4.0までの数値。基礎となるモデルによって処理される前に、入力ファイルのページをスケーリングします。これにより、OCRの品質を強化し、抽出結果を改善できます。 以下のシナリオで予期しない、または不明確な応答を受け取った場合は、``scale_factor``を使用します。 A4より大きいページサイズのドキュメント 小さなテキスト、詳細な視覚要素、高密度なレイアウトを含むドキュメント 抽出されたテキストに誤字や文字レベルのOCRエラーが含まれている 省略された場合、AI_EXTRACTはデフォルト値（'scale_factor': 1.0'）を使用します。

See moreShow less

Expand

戻り値¶

抽出された情報を含むJSONオブジェクト。応答の構造は、抽出のタイプによって異なります。+1

{
  "error": null,
  "response": {
    "title": "Financial report"
  }
}

{
  "error": null,
  "response": {
    "employees": [
      "Smith",
      "Johnson",
      "Doe"
    ]
  }
}

{
  "error": null,
  "response": {
    "income_table": {
      "income": ["$120 678","$130 123","$150 998"],
      "month": ["February", "March", "April"]
    }
  }
}

{
  "error": null,
  "response": {
    "employees": [
      "Smith",
      "Johnson",
      "Doe"
    ],
    "income_table": {
      "income": ["$120 678","$130 123","$150 998"],
      "month": ["February", "March", "April"]
    },
    "title": "Financial report"
  }
}

アクセス制御の要件¶

ユーザーは、 SNOWFLAKE.CORTEX_USER データベースロール が付与されているロールを使用する必要があります。この権限の付与については、 Cortex LLM 権限 をご参照ください。

使用上の注意¶

• AI_EXTRACT はデジタル作成およびスキャン済みドキュメントの両方に最適化されています。

• 同じ関数呼び出しの中で、 text と file の両方のパラメーターを同時に使用することはできません。

• 自然言語で質問するか、抽出する情報（都市、通り、 ZIP コードなど）を説明できます。例：

  Expand

  ['address': 'City, street, ZIP', 'name': 'First and last name']
  

  Show lessSee more

  Scroll to top

• 次の言語がサポートされています。

  • アラビア語

  • ベンガル語

  • ビルマ語

  • セブアノ語

  • 中国語

  • チェコ語

  • オランダ語

  • 英語

  • フランス語

  • ドイツ語

  • ヘブライ語

  • ヒンディー語

  • インドネシア語

  • イタリア語

  • 日本語

  • クメール語

  • 韓国語

  • ラオス語

  • マレー語

  • ペルシャ語

  • ポーランド語

  • ポルトガル語

  • ロシア語

  • スペイン語

  • タガログ語

  • タイ

  • トルコ語

  • ウルドゥー語

  • ベトナム語

• ドキュメントは125ページ以内でなければなりません。

• 1回の AI_EXTRACT 呼び出しで、エンティティ抽出については最大100件、テーブル抽出については最大10件の質問を行うことができます。

  テーブル抽出質問は、エンティティ抽出質問10件に相当します。たとえば、1回の AI_EXTRACT 呼び出しで、4件のテーブル抽出質問と60件のエンティティ抽出質問を行うことができます。

• エンティティ抽出の最大出力長は、1問あたり512トークンです。テーブル抽出の場合、モデルは最大4096トークンの回答を返します。

• クライアント側の暗号化ステージはサポートされていません。

• 信頼性スコアはサポートされていません。

コストの考慮事項¶

• Cortex AI_EXTRACT関数では、ドキュメントごとのページ数、入力プロンプトトークン、処理される出力トークンに基づいて計算コストが発生します。

  • ページ化されたファイル形式の場合（PDF、DOCX、TIF、TIFF）、各ページは970トークンとしてカウントされます。

  • 画像ファイル形式の場合（JPEG、JPG、PNG）、個々の画像ファイルはページとして請求され、970トークンとしてカウントされます

• ``scale_factor``パラメーターを使用すると、消費されるトークン数と、1回の呼び出しで処理できるページ数が変わります。

  • 消費される入力トークンの数は、``scale_factor``に比例して増加します。

  • AI_EXTRACTで処理できるドキュメントあたりの最大ページ数は、``scale_factor``ずつ減少します。

  トークン数およびページ数とscale_factorの関係

  scale_factor 値	ページあたりのトークン数	ドキュメントあたりの最大ページ数
  2	970 * 2 = 1940トークン	125/2 = 62.5（62に切り捨て）
  2.5	970 * 2.5 = 2425トークン	125/2.5 = 50
  4	970 * 4 = 3880トークン	125/4 = 31.25（31に切り捨て）

  See moreShow less

  Expand

• Snowflake は、Cortex AI_EXTRACT 関数を呼び出すクエリを、小規模なウェアハウス（MEDIUM 以下）で実行することを推奨しています。ウェアハウスが大きくなってもパフォーマンスは向上しません。

リージョンの可用性¶

AI_EXTRACTは、以下のリージョンのアカウントで利用できます。

AI_EXTRACT にはクロスリージョンサポートがあります。Cortex AI クロスリージョンのサポートの有効化については、 クロスリージョン推論 をご参照ください。

エラー条件¶

AI_EXTRACT は次のエラーメッセージを生成する可能性があります。

例¶

SELECT AI_EXTRACT(
  file => TO_FILE('@db.schema.files', 'report.pdf'),
  responseFormat => {
    'schema': {
      'type': 'object',
      'properties': {
        'employees': {
          'description': 'What are the surnames of employees?',
          'type': 'array'
        }
      }
    }
  }
);

SELECT AI_EXTRACT(
  file => TO_FILE('@db.schema.files', 'report.pdf'),
  responseFormat => {
    'schema': {
      'type': 'object',
      'properties': {
        'income_table': {
          'description': 'Income for FY2026Q2',
          'type': 'object',
          'column_ordering': ['month', 'income'],
          'properties': {
            'month': {
              'description': 'Month',
              'type': 'array'
            },
            'income': {
              'description': 'Income',
              'type': 'array'
            }
          }
        }
      }
    }
  }
);

SELECT AI_EXTRACT(
  file => TO_FILE('@db.schema.files', 'report.pdf'),
  responseFormat => {
    'schema': {
      'type': 'object',
      'properties': {
        'income_table': {
          'description': 'Income for FY2026Q2',
          'type': 'object',
          'column_ordering': ['month', 'income'],
          'properties': {
            'month': {
              'description': 'Month',
              'type': 'array'
            },
            'income': {
              'description': 'Income',
              'type': 'array'
            }
          }
        },
        'title': {
          'description': 'What is the title of document?',
          'type': 'string'
        },
        'employees': {
          'description': 'What are the surnames of employees?',
          'type': 'array'
        }
      }
    }
  }
);

SELECT AI_EXTRACT(
  file => TO_FILE('@db.schema.files', 'report.pdf'),
  responseFormat => {
    'schema': {
      'type': 'object',
      'properties': {
        'employees': {
          'description': 'What are the surnames of employees?',
          'type': 'array'
        }
      }
    }
  },
  config => {'scale_factor': 2.0}
);

SELECT AI_EXTRACT(
  model => 'db.schema.my_tuned_model',
  file => TO_FILE('@db.schema.files','document.pdf')
);

SELECT AI_EXTRACT(
  model => 'db.schema.my_tuned_model',
  file => TO_FILE('@db.schema.files','document.pdf'),
  responseFormat => [['name', 'What is the first name of the employee?'], ['city', 'Where does the employee live?']]
);

SELECT AI_EXTRACT(
  model => 'db.schema.my_tuned_model',
  file => TO_FILE('@db.schema.files', 'invoice.pdf'),
  config => {'scale_factor': 2.0}
);

法的通知¶

法的通知については、 Snowflake AI と ML をご参照ください。