Amazon Bedrockで使えるモデルの日本語OCR能力を検証しました #AWS – Qiita

import boto3
import os
import json
import re
from datetime import datetime

# Bedrockのランタイムクライアントを初期化（us-east-1リージョンを使用）
client = boto3.client("bedrock-runtime", region_name="us-east-1")

# 対象モデルのリスト（クロスリージョン推論プロファイルを使用）
models = [
    "us.anthropic.claude-3-7-sonnet-20250219-v1:0",  # Claude 3.7 Sonnet
    "us.anthropic.claude-3-5-sonnet-20240620-v1:0",  # Claude 3.5 Sonnet
    "us.anthropic.claude-3-haiku-20240307-v1:0",     # Claude 3 Haiku
    "us.amazon.nova-pro-v1:0",                       # Amazon Nova Pro
    "us.amazon.nova-lite-v1:0",                      # Amazon Nova Lite
    "us.meta.llama4-scout-17b-instruct-v1:0",        # Llama 4 Scout 17B Instruct
    "us.meta.llama4-maverick-17b-instruct-v1:0",     # Llama 4 Maverick 17B Instruct
    "us.mistral.pixtral-large-2502-v1:0"             # Pixtral Large (25.02)
]

# 画像ファイルを読み込む
def read_image(image_path):
    with open(image_path, "rb") as f:
        image_bytes = f.read()
    return image_bytes

# HTMLコードのみを抽出する関数
def extract_html_code(text):
    # ```html と ``` で囲まれたコードを抽出
    html_pattern = r"```html\s*([\s\S]*?)\s*```"
    match = re.search(html_pattern, text)
    
    if match:
        return match.group(1)
    
    #  タグを含むコードを抽出（```で囲まれていない場合）
    html_tag_pattern = r"[\s\S]*?"
    match = re.search(html_tag_pattern, text)
    
    if match:
        return match.group(0)
    
    # 上記のパターンに一致しない場合は元のテキストを返す
    return text

# 結果を保存するディレクトリを作成
results_dir = "results"
os.makedirs(results_dir, exist_ok=True)

# 現在の日時を取得してファイル名に使用
timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")

# 画像ファイルのパス
image_path = "image.png"
image_bytes = read_image(image_path)
image_format = image_path.split(".")[-1]

# 改善されたプロンプト
prompt_text = "添付画像をHTMLで再現してください。HTMLコードのみを出力してください。説明や追加のテキストは含めないでください。"

# 各モデルに対して実行
for model_id in models:
    print(f"Processing model: {model_id}")
    
    try:
        # メッセージを構築
        message = {
            "role": "user",
            "content": [
                {
                    "text": prompt_text
                },
                {
                    "image": {
                        "format": image_format,
                        "source": {
                            "bytes": image_bytes
                        }
                    }
                }
            ]
        }
        
        # Converseリクエストを実行
        response = client.converse(
            modelId=model_id,
            messages=[message]
        )
        
        # レスポンスを取得
        output_message = response['output']['message']
        
        # レスポンステキストを安全に取得
        response_text = ""
        for content_block in output_message.get('content', []):
            if 'text' in content_block:
                response_text += content_block['text']
        
        # HTMLコードのみを抽出
        html_code = extract_html_code(response_text)
        
        # モデル名からファイル名を生成（スラッシュやコロンを置換）
        model_name = model_id.replace(".", "-").replace(":", "-").replace("/", "-")
        base_filename = f"{timestamp}_{model_name}"
        json_file = f"{results_dir}/{base_filename}.json"
        html_file = f"{results_dir}/{base_filename}.html"
        
        # 結果をJSONファイルに保存
        with open(json_file, "w", encoding="utf-8") as f:
            json.dump({
                "model_id": model_id,
                "prompt": prompt_text,
                "response": output_message,
                "html_code": html_code,
                "usage": response.get("usage", {}),
                "stop_reason": response.get("stopReason", "")
            }, f, ensure_ascii=False, indent=2)
        
        # HTMLコードを別ファイルに保存
        with open(html_file, "w", encoding="utf-8") as f:
            f.write(html_code)
        
        print(f"Response saved to {json_file}")
        print(f"HTML saved to {html_file}")
        
    except Exception as e:
        print(f"Error with model {model_id}: {str(e)}")

print("Processing complete!")