目次
概要
AWS Machine Learning Blogが、Amazon Bedrock上で「Amazon Nova 2 Lite」と「Anthropic Claude Sonnet 4.6」を組み合わせ、スキャン文書を低コストで処理する手法を紹介しました。卒業アルバムのスキャン画像から名前と顔写真を対応づける事例が示されています。
何が発表・更新されたのか
2つのモデルを役割分担させる2段階パイプラインの構築方法が公開されました。Nova 2 Liteが写真検出・名前抽出・メタデータ取得を1回の呼び出しで担い、Claude Sonnet 4.6がページ配置から名前と顔を対応づける空間推論を行います。
なぜ重要なのか
この2モデル構成は、1つの視覚言語モデルに全タスクを任せる場合に比べ、ページあたりのコストが約3分の2低くなると説明されています。Nova 2 Liteの画像入力が解像度に依存しない固定単価に変更され、大量処理時のコスト予測がしやすくなった点も挙げられています。
誰に関係があるのか
大量のスキャン文書をデジタル化したい企業や、文書処理パイプラインのコスト最適化を検討する開発者・データ担当者に関係します。
仕事や業務でどう使えるのか
名簿、帳票、アルバムなどスキャン画像からの構造化抽出や、画像内の要素同士の対応づけに応用できます。336ページの検証では3,122件の名前と顔の対応を生成し、93%が信頼度0.95以上だったとされています。
注意点
Claudeのadaptive thinking（推論の自動調整）では推論トークンが出力トークンとして課金されるため、複雑なページでコストが増える可能性があります。実際のコストは応答メタデータのトークン数で確認することが推奨されています。なお公式情報上では、日本での提供状況や対象リージョンの詳細は確認できませんでした。
公式情報
関連キーワード
- Amazon Bedrock
- Amazon Nova 2 Lite
- Claude Sonnet 4.6
- 文書処理（ドキュメント処理）
- マルチモーダルAI
