इमेज टू टेक्स्ट

तुमच्या इमेजचे काय होते

इमेज ते टेक्स्ट, ज्याला OCR (ऑप्टिकल कॅरेक्टर रेकग्निशन) असेही म्हणतात, चित्रातील अक्षरांच्या आकारांकडे पाहते आणि ते कोणते कॅरेक्टर्स आहेत हे ओळखते. येथे हे काम ओपन-सोर्स OCR इंजिन, Tesseract द्वारे केले जाते, जे तुमच्या ब्राउझर टॅबमध्ये चालते. जेव्हा तुम्ही पहिल्यांदा एखादी भाषा वापरता, तेव्हा तुमचा ब्राउझर त्या भाषेचे मॉडेल या साइटवरून डाउनलोड करतो, जे एक ते तीन मेगाबाइट्स दरम्यान असते. त्यानंतर इमेज तुमच्या स्वतःच्या डिव्हाइसवर वाचली जाते.

चित्राबद्दल काहीही कुठेही पाठवले जात नाही: DocTranslator कडे नाही, OCR सेवेकडे नाही. जे लोक वाचण्यासाठी सर्वात जास्त छायाचित्रे घेतात, जसे की ऑफिसचे पत्र, प्रिस्क्रिप्शन, कराराचे पान किंवा पासपोर्ट, त्यांच्यासाठी हे महत्त्वाचे आहे.

फोटोमधून स्वच्छ टेक्स्ट कसा मिळवावा

OCR फक्त वाचलेल्या चित्रासारखे चांगले असते. चार गोष्टी सर्वात मोठा फरक करतात:

• प्रथम योग्य भाषा निवडा. इंजिन तुम्ही निवडलेल्या भाषेतील वर्णमाला आणि शब्दसंग्रह वापरून वाचते. इंग्रजी म्हणून रशियन वाचल्यास निरर्थक मजकूर येतो आणि फ्रेंच किंवा पोलिशमधील उच्चार चुकीची भाषा निवडल्यास गमावले जातात.
• पान सपाट आणि चौरस फोटो काढा. फोन थेट कागदावर धरा, फ्रेममध्ये पान भरा आणि पुस्तकाच्या बाईंडिंगजवळची वक्रता टाळा. वाकलेल्या रेषा इंजिनला लहान चित्रापेक्षा जास्त गोंधळात टाकतात.
• त्यावर समान प्रकाश टाका. पानावर सावली किंवा चमकदार कागदावर फ्लॅशचा प्रकाश अक्षरे लपवतो. खिडकीतून येणारा दिवसाचा प्रकाश, फ्लॅशशिवाय, सामान्यतः सर्वोत्तम काम करतो.
• ते स्पष्ट ठेवा. फोटो काढण्यापूर्वी स्क्रीनवर टॅप करून टेक्स्टवर फोकस करा. लहान प्रिंट तुमच्या डोळ्यांनी वाचण्यासाठी चित्रात पुरेशी मोठी असणे आवश्यक आहे.

OCR काय चुकीचे करते

चांगल्या स्कॅनमध्येही काही त्रुटी येतात आणि त्या सामान्यतः सारख्याच असतात: l अक्षर 1 म्हणून वाचले जाते, O हे 0, rn हे m, ओळीच्या शेवटी स्वल्पविराम गहाळ होतो. नावे, संख्या आणि तारखा महत्त्वाच्या असलेल्या कोणत्याही गोष्टीत कॉपी करण्यापूर्वी पुन्हा तपासण्यायोग्य आहेत.

हस्तलिखित प्रिंटपेक्षा खूप कठीण असते आणि जोडलेले हस्तलिखित अनेकदा वाईट वाचले जाते किंवा अजिबात वाचले जात नाही. आउटपुट प्लेन टेक्स्ट आहे, त्यामुळे पानाचे लेआउट जतन केले जात नाही: स्तंभ एकामागून एक वाचले जातात आणि टेबल शब्दांच्या ओळी म्हणून परत येते. जेव्हा तुम्हाला लेआउटची देखील आवश्यकता असते, तेव्हा पुढील विभाग ते जतन करण्याचा मार्ग आहे.

जेव्हा तुम्हाला दुसऱ्या भाषेत टेक्स्टची आवश्यकता असते

स्कॅन केलेल्या डॉक्युमेंटमधील मजकूर कॉपी केल्यास पेजची रचना नष्ट होते: स्टॅम्प्स, टेबल आणि प्रत्येक ओळ कुठे होती हे सर्व गमावले जाते. लेआउटसह स्कॅन केलेले डॉक्युमेंट भाषांतरित करण्यासाठी, त्याऐवजी DocTranslator वर स्कॅन अपलोड करा. हे OCR वापरून स्कॅन वाचते, मजकुराचे भाषांतर करते आणि १०८ भाषांमध्ये मूळ फाईलसारखी दिसणारी फाईल परत करते.

या पृष्ठावरील ब्राउझर टूल इंग्रजी, स्पॅनिश, फ्रेंच, जर्मन, इटालियन, पोर्तुगीज, रशियन, युक्रेनियन, पोलिश, तुर्की, अरबी, हिंदी, चीनी (सरलीकृत), जपानी, कोरियन आणि व्हिएतनामी वाचते. स्कॅन केलेल्या PDF मध्ये ते पहिले 5 पृष्ठे वाचते; भाषांतर प्रत्येक पृष्ठाचे, DocTranslator द्वारे समर्थित असलेल्या प्रत्येक भाषेत वाचते.