ଚିତ୍ରରୁ ଲେଖା

ଆପଣଙ୍କ ଇମେଜ୍ ସହିତ କଣ ହୁଏ

ଇମେଜ୍ ଟୁ ଟେକ୍ସଟ୍, ଯାହାକୁ OCR (ଅପ୍ଟିକାଲ୍ କ୍ୟାରେକ୍ଟର ରେକଗ୍ନିସନ୍) ମଧ୍ୟ କୁହାଯାଏ, ଏକ ଚିତ୍ରରେ ଥିବା ଅକ୍ଷରଗୁଡିକର ଆକୃତିକୁ ଦେଖେ ଏବଂ ସେଗୁଡିକ କେଉଁ ଅକ୍ଷର ବୋଲି ଜାଣିବାକୁ ଚେଷ୍ଟା କରେ। ଏଠାରେ ସେହି କାର୍ଯ୍ୟ ଏକ ଓପନ୍-ସୋର୍ସ OCR ଇଞ୍ଜିନ୍, ଟେସରେକ୍ଟ୍ ଦ୍ୱାରା କରାଯାଏ, ଯାହା ଆପଣଙ୍କ ବ୍ରାଉଜର ଟ୍ୟାବ୍ ଭିତରେ ଚାଲିଥାଏ। ପ୍ରଥମ ଥର ପାଇଁ ଆପଣ ଏକ ଭାଷା ବ୍ୟବହାର କଲାବେଳେ, ଆପଣଙ୍କ ବ୍ରାଉଜର ଏହି ସାଇଟ୍ ଠାରୁ ତିନି ମେଗାବାଇଟ୍ ପର୍ଯ୍ୟନ୍ତ ସେହି ଭାଷାର ମଡେଲ ଡାଉନଲୋଡ୍ କରେ। ତା'ପରେ ଇମେଜ୍ ଆପଣଙ୍କ ନିଜ ଡିଭାଇସରେ ପଢାଯାଏ।

ଚିତ୍ର ବିଷୟରେ କିଛି ବି କେଉଁଠାକୁ ପଠାଯାଏ ନାହିଁ: ନା DocTranslator କୁ, ନା OCR ସେବାକୁ। ଲୋକମାନେ ସବୁଠାରୁ ଅଧିକ ଫଟୋଗ୍ରାଫ୍ କରୁଥିବା ଜିନିଷ ପାଇଁ ଏହା ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ, ଯେପରିକି ଏକ ଅଫିସରୁ ଚିଠି, ଏକ ପ୍ରେସକ୍ରିପସନ୍, ଏକ ଚୁକ୍ତିପତ୍ର ପୃଷ୍ଠା କିମ୍ବା ଏକ ପାସପୋର୍ଟ।

ଏକ ଫଟୋରୁ ପରିଷ୍କାର ଲେଖା କିପରି ପାଇବେ

OCR କେବଳ ପଢୁଥିବା ଚିତ୍ରର ଗୁଣବତ୍ତା ଉପରେ ନିର୍ଭର କରେ। ଚାରିଟି ଜିନିଷ ସବୁଠାରୁ ବଡ ପାର୍ଥକ୍ୟ ସୃଷ୍ଟି କରେ:

• ପ୍ରଥମେ ସଠିକ୍ ଭାଷା ଚୟନ କରନ୍ତୁ. ଇଞ୍ଜିନ୍ ଆପଣ ବାଛିଥିବା ଭାଷାର ବର୍ଣ୍ଣମାଳା ଏବଂ ଶବ୍ଦକୋଷ ସହିତ ପଢେ। ଇଂରାଜୀ ଭାବରେ ଋଷୀୟ ପଢିବା ଅର୍ଥହୀନ ହୋଇଯାଏ, ଏବଂ ଫରାସୀ କିମ୍ବା ପୋଲିସର ଆକ୍ସେଣ୍ଟ୍ ଗୁଡିକ ହଜିଯାଏ ଯେତେବେଳେ ଭାଷା ଭୁଲ୍ ହୋଇଥାଏ।
• ପୃଷ୍ଠାକୁ ସମାନ ଏବଂ ବର୍ଗାକାର ଫଟୋଗ୍ରାଫ୍ କରନ୍ତୁ. ଫୋନ୍ ଟିକୁ କାଗଜ ଉପରେ ସିଧା ଧରନ୍ତୁ, ପୃଷ୍ଠା ଦ୍ୱାରା ଫ୍ରେମ୍ ଭରନ୍ତୁ, ଏବଂ ବହିର ମେରୁଦଣ୍ଡ ନିକଟରେ କୌଣସି କୁଞ୍ଚନ ଏଡାଇବାକୁ ଚେଷ୍ଟା କରନ୍ତୁ। ବଙ୍କା ରେଖାଗୁଡିକ ଏକ ଛୋଟ ଚିତ୍ର ଅପେକ୍ଷା ଇଞ୍ଜିନ୍କୁ ଅଧିକ ବିଭ୍ରାନ୍ତ କରେ।
• ଏହାକୁ ସମାନ ଭାବରେ ଆଲୋକିତ କରନ୍ତୁ. ପୃଷ୍ଠାର ଉପରେ ଏକ ଛାୟା, କିମ୍ବା ଚିକଚିକିଆ କାଗଜ ଉପରେ ଫ୍ଲାଶର ଝଲକ ଅକ୍ଷରଗୁଡିକୁ ଲୁଚାଇ ଦିଏ। ଝରକା ଠାରୁ ଦିନର ଆଲୋକ, ଫ୍ଲାଶ ବିନା, ସାଧାରଣତଃ ସର୍ବୋତ୍ତମ କାମ କରେ।
• ଏହାକୁ ତୀକ୍ଷ୍ଣ ରଖନ୍ତୁ. ଫଟୋ ଉଠାଇବା ପୂର୍ବରୁ ଲେଖା ଉପରେ ଫୋକସ୍ କରିବା ପାଇଁ ସ୍କ୍ରିନକୁ ଟାପ୍ କରନ୍ତୁ। ଛୋଟ ଅକ୍ଷରଗୁଡିକ ଆପଣଙ୍କ ନିଜ ଆଖିରେ ଦେଖିବା ପାଇଁ ଚିତ୍ରରେ ଯଥେଷ୍ଟ ବଡ ହେବା ଆବଶ୍ୟକ।

OCR କଣ ଭୁଲ୍ କରେ

ଏକ ଭଲ ସ୍କାନ ମଧ୍ୟ କିଛି ତ୍ରୁଟି ସହିତ ଫେରିଆସେ, ଏବଂ ସେଗୁଡିକ ସମାନ ହୋଇଥାଏ: ଅକ୍ଷର l 1 ଭାବରେ, O 0 ଭାବରେ, rn m ଭାବରେ, ଏକ କୋମା ରେଖାର ଶେଷରେ ହଜିଯାଏ। ନାମ, ସଂଖ୍ୟା ଏବଂ ତାରିଖଗୁଡିକ ଦ୍ୱିତୀୟ ଥର ଯାଞ୍ଚ କରିବା ଯୋଗ୍ୟ, ଯାହାକୁ ଆପଣ ଗଣନା କରୁଥିବା କୌଣସି ଜିନିଷରେ କପି କରିବା ପୂର୍ବରୁ।

ଲେଖା ଛାପା ଅକ୍ଷର ଠାରୁ ଅଧିକ କଠିନ, ଏବଂ ଯୋଡା ହୋଇଥିବା ଲେଖା ପ୍ରାୟତଃ ଖରାପ ଭାବରେ ପଢାଯାଏ କିମ୍ବା ଆଦୌ ପଢାଯାଏ ନାହିଁ। ଆଉଟପୁଟ୍ ହେଉଛି ପ୍ଲେନ୍ ଟେକ୍ସଟ୍, ତେଣୁ ପୃଷ୍ଠାର ଲେଆଉଟ୍ ରଖାଯାଏ ନାହିଁ: କଲମଗୁଡିକ ଗୋଟିଏ ପରେ ଗୋଟିଏ ପଢାଯାଏ, ଏବଂ ଏକ ଟେବୁଲ୍ ଶବ୍ଦର ରେଖା ଭାବରେ ଫେରିଆସେ। ଯେତେବେଳେ ଆପଣଙ୍କୁ ଲେଆଉଟ୍ ମଧ୍ୟ ଆବଶ୍ୟକ ହୁଏ, ତେବେ ପରବର୍ତ୍ତୀ ବିଭାଗ ହେଉଛି ତାହା ରଖିବାର ଉପାୟ।

ଯେତେବେଳେ ଆପଣଙ୍କୁ ଅନ୍ୟ ଭାଷାରେ ଲେଖା ଆବଶ୍ୟକ ହୁଏ

ଲେଖାକୁ ଏକ ଅନୁବାଦକରେ କପି କରିବା ପୃଷ୍ଠାକୁ ହଜାଇ ଦିଏ: ଷ୍ଟାମ୍ପ, ଟେବୁଲ୍, ପ୍ରତ୍ୟେକ ଲାଇନ୍ କେଉଁଠାରେ ଥିଲା। ଲେଆଉଟ୍ ସହିତ ଏକ ସ୍କାନ ହୋଇଥିବା ଡକ୍ୟୁମେଣ୍ଟ୍ ଅନୁବାଦ କରିବା ପାଇଁ, ବଦଳରେ ସ୍କାନକୁ DocTranslator ରେ ଅପଲୋଡ୍ କରନ୍ତୁ। ଏହା OCR ସହିତ ସ୍କାନ ପଢେ, ଲେଖା ଅନୁବାଦ କରେ ଏବଂ ମୂଳ ପରି ଦେଖାଯାଉଥିବା ଏକ ଫାଇଲ୍ ଫେରାଇ ଦିଏ, 108 ଭାଷାରେ।

ଏହି ପୃଷ୍ଠାରେ ଥିବା ବ୍ରାଉଜର ଟୁଲ୍ ଇଂରାଜୀ, ସ୍ପାନିଶ୍, ଫରାସୀ, ଜର୍ମାନ୍, ଇଟାଲିଆନ୍, ପର୍ତ୍ତୁଗୀଜ୍, ରୁଷିଆନ୍, ୟୁକ୍ରେନିଆନ୍, ପୋଲିଶ୍, ତୁର୍କୀ, ଆରବୀ, ହିନ୍ଦୀ, ଚାଇନିଜ୍ (ସରଳୀକୃତ), ଜାପାନୀଜ୍, କୋରିଆନ୍ ଏବଂ ଭିଏତନାମୀ ପଢେ। ଏକ ସ୍କାନ ହୋଇଥିବା PDF ରେ ଏହା ପ୍ରଥମ 5 ପୃଷ୍ଠା ପଢେ; ଏକ ଅନୁବାଦ ପ୍ରତ୍ୟେକ ପୃଷ୍ଠା ପଢେ, DocTranslator ଦ୍ୱାରା ସମର୍ଥିତ ପ୍ରତ୍ୟେକ ଭାଷାରେ।