芸能プロフィールのPDFを、自動でデータベースへ
書式がばらばらの俳優プロフィールPDFをメールで受け取り、人物ごとに分けて約20項目を抽出し、プラットフォームに自動で登録するパイプライン。
守秘義務のため、クライアント名は伏せています。
課題
タレント事務所から届くプロフィールPDFは、1ページに1人のもの、1人で数ページにわたるもの、文字情報のないスキャン画像まで、書式がばらばらです。担当者がそれを1件ずつ読み、プラットフォームに手で入力していました。
つくったもの
- メールの受信を2秒以内に受け付け、添付ファイルごとにキューで並列に処理
- 画像認識でページを人物ごとにまとめ、複数ページにまたがるプロフィールも1人分に統合
- 身長、話せる言語、生年月日（和暦から年齢へ変換）など約20項目を型つきで抽出し、最適な顔写真を選択
- 人物ごとにPDFを分割し、写真とともにAPI経由で登録
止まらないための工夫
ページのまとめに失敗したときは1ページ1人として処理し直し、通信エラーは自動で再試行します。それでも失敗したものは別のキューに残し、人が確認できるようにしました。実際のPDFから回帰テストをつくり、モデルやプロンプトを変えるたびに精度を測っています。