Azure AI Content Understanding は、.pdf、.docx、.jpg、.png などの一般的なドキュメントおよび画像形式をサポートしています。.webp はサポートされている形式には含まれていません。したがって、File1.pdf、File2.jpg、File3 を分析できます。
docx と File5.png は含まれますが、File4.webp は含まれません。Microsoft Learn
マイクロソフトの参考資料：
* コンテンツの理解：サービス制限とサポートされているファイルの種類。Microsoft Learn

Explanation:
ボックス1：はい
ボックス2：はい
ボックス3：いいえ
参照：
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/concept-detecting-faces

1 - インターネットから隔離されたオンプレミスのKubernetesクラスターをプロビジョニングします。
2 - Microsoft Container Registry (MCR) からイメージを取得します。
3 - コンテナを実行し、API キーと Cognitive Services リソースのエンドポイント URL を指定します。

Explanation:

言語理解（LUIS）コンテナをデプロイしています。DockerでLUISを実行する場合、まず言語理解ポータルからモデルをエクスポートし、実行時にコンテナに提供する必要があります。
段階的な推論：
* 言語理解ポータルから、ソリューションをパッケージファイルとしてエクスポートします。
* 学習済みのLUISモデルは、ポータルから.jsonパッケージファイルにエクスポートする必要があります。
* コンテナはホストされているサービスに直接アクセスできないため、これは必須です。
ホストコンピュータから、パッケージファイルをDockerの入力ディレクトリに移動します。
* コンテナは、モデルがローカルで利用可能であることを前提としています。
* パッケージファイルは、コンテナがモデル用にマッピングする入力ディレクトリに配置されます。
ホストコンピュータからコンテナを実行し、入力ディレクトリを指定します。
* コンテナを起動する際に、--volume <local_input>:/input を指定すると、コンテナがパッケージファイルにアクセスできるようになります。
* これにより、エクスポートされたモデルがコンテナ内で処理可能になります。
他の選択肢はどうでしょうか？
* ポータルにモデルを保持するだけでは不十分です。コンテナはクラウドから直接データを取得できません。
* コンテナをビルドして出力ディレクトリを指定する必要はありません。コンテナイメージは既にMCRから入手可能であり、このステップのためにカスタムビルドされるものではありません。
正解の順序：
* ソリューションをパッケージファイルとしてエクスポートします。
* パッケージファイルをDockerの入力ディレクトリに移動します。
コンテナを実行し、入力ディレクトリを指定します。
* LUISコンテナを実行する
* Azure AI サービスでコンテナを使用する
マイクロソフトの参考資料