変更要約: 各節に図（figure）を追加＝cert-figure-retrofit。AI-901 第5章を新規作成（ドメイン2: Content Understanding=多モーダル情報抽出（文書/フォーム/画像/音声/動画→構造化）、スキーマ/フィールド定義、prebuilt vs custom、Document Intelligence/Vision/Speech との位置づけ、構築の流れ＝アナライザー→スキーマ→解析→結果、RAG/エージェントとの連携）
5.1Azure Content Understanding の概要
ドキュメント・フォーム・画像・音声・動画といった多様なコンテンツから、必要な項目や要点を構造化して抽出する Azure Content Understanding の役割と、抽出する項目を定義するスキーマ（フィールド）の考え方を理解します。
Azure Content Understanding は、ドキュメント・フォーム・画像・音声・動画といった多様なコンテンツから、必要な情報を構造化して抽出するサービスです。たとえば請求書 PDF から「請求元・金額・期日」を、会議の録画から「発言の要約・話者・トピック」を、画像から「写っている内容の説明」を取り出します。入力は雑多な「非構造データ」、出力は表やフィールドに収まる「構造化データ」——この変換が役割です。AI-901 の情報抽出ワークロードの中心となるサービスです。
5.1.1扱える入力（マルチモーダル）
- ドキュメント／フォーム：請求書・領収書・契約書などから項目（金額・日付・当事者など）を抽出。
- 画像：写っている内容の説明・タグ・指定項目を抽出。
- 音声：通話・会議などから文字起こし・要約・話者・キーポイントを抽出。
- 動画：映像からシーン・要約・登場要素などを抽出。
5.1.2抽出スキーマ（フィールド）を定義する
Content Understanding の要は スキーマ（抽出したい項目＝フィールドの定義）です。「この種類のファイルから、どの項目を・どんな型で取り出したいか」を指定すると、サービスがコンテンツを解析して各フィールドに値を埋めて返します。たとえば請求書なら「請求元（文字列）／合計金額（数値）／支払期日（日付）」のように定義します。あらかじめ用意された一般的な抽出（prebuilt）に加え、自社のフォームに合わせて独自のフィールドを定義（カスタム）できる柔軟さが特徴です。内部では生成 AI を活用し、レイアウトが多少違っても意味を捉えて抽出します。
位置づけの整理： これまで「帳票の項目抽出」は Azure AI Document Intelligence、「画像の認識」は Azure AI Vision、「音声の文字起こし」は Azure AI Speech と、入力ごとに別サービスでした。Content Understanding は、これらを横断して多モーダルの情報抽出を1つの枠組みで扱い、抽出スキーマで出力を揃えられるのが新しい点です。
混同・注意：
①情報抽出（Content Understanding：構造化して取り出す）と生成 AI（新規コンテンツを作る）は目的が逆。
②コンピュータービジョン（画像一般の認識）とContent Understanding（指定フィールドへ構造化抽出）を取り違えない。
③抽出の良し悪しはスキーマ定義の明確さに依存。
④prebuilt（汎用）とカスタム（自社フォーム向け）の使い分けを意識する。
頻出：
①「請求書/フォーム/画像/音声/動画から項目や要点を構造化抽出」＝Azure Content Understanding。
②「抽出したい項目を定義する」＝スキーマ（フィールド）。
③「自社フォーム独自の項目を抽出」＝カスタム、一般的な抽出＝prebuilt。
④目的が「取り出す」なら情報抽出、「作る」なら生成 AI。
5.1.3この節のまとめ
- Azure Content Understanding ＝各種ファイル（文書/フォーム/画像/音声/動画）→構造化データの情報抽出サービス
- 要はスキーマ（抽出フィールドの定義）。prebuilt（汎用）とカスタム（自社向け）がある
- 情報抽出（取り出す）と生成 AI（作る）は目的が逆。CV（一般認識）とも区別
- 内部で生成 AI を活用し、多モーダルを1つの枠組みで扱える
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. 請求書・フォーム・画像・音声・動画などから、必要な項目や要点を構造化して抽出する Azure のサービスはどれですか？
Q2. Content Understanding で「どの項目を・どんな型で抽出するか」を指定する定義を何と呼びますか？
Q3. 情報抽出（Content Understanding）と生成 AI の目的の違いとして正しいものはどれですか？
Q4. 自社独自のフォームに合わせて抽出する項目を定義したい場合に使うのはどの形態ですか？
Q5. 会議の録音から「文字起こし・要約・話者・キーポイント」を取り出したい場合、適したワークロード/サービスはどれですか？