படத்திலிருந்து உரை

உங்கள் படத்திற்கு என்ன நடக்கும்

படத்திலிருந்து உரை, OCR (optical character recognition) என்றும் அழைக்கப்படுகிறது, ஒரு படத்தில் உள்ள எழுத்துக்களின் வடிவங்களைப் பார்த்து, அவை எந்த எழுத்துக்கள் என்பதைக் கண்டறிகிறது. இங்கு அந்த வேலை உங்கள் உலாவியில் இயங்கும் திறந்த மூல OCR இயந்திரமான Tesseract மூலம் செய்யப்படுகிறது. ஒரு மொழியை நீங்கள் முதன்முறையாகப் பயன்படுத்தும்போது, உங்கள் உலாவி அந்த மொழியின் மாதிரியை இந்த தளத்திலிருந்து பதிவிறக்குகிறது, இது ஒன்று முதல் மூன்று மெகாபைட் வரை இருக்கும். அதன் பிறகு படம் உங்கள் சொந்த சாதனத்தில் படிக்கப்படுகிறது.

படத்தைப் பற்றி எதுவும் எங்கும் அனுப்பப்படுவதில்லை: DocTranslator க்கோ அல்லது OCR சேவைக்கோ அல்ல. மக்கள் அடிக்கடி படிக்க புகைப்படம் எடுக்கும் விஷயங்களுக்கு இது முக்கியமானது, அதாவது ஒரு அலுவலகத்திலிருந்து கடிதம், ஒரு மருந்துச் சீட்டு, ஒரு ஒப்பந்தப் பக்கம் அல்லது ஒரு பாஸ்போர்ட்.

ஒரு புகைப்படத்திலிருந்து சுத்தமான உரையை எவ்வாறு பெறுவது

OCR ஆனது அது படிக்கும் படத்தின் தரத்தைப் பொறுத்தது. நான்கு விஷயங்கள் மிகப்பெரிய வித்தியாசத்தை ஏற்படுத்துகின்றன:

• முதலில் சரியான மொழியைத் தேர்ந்தெடுக்கவும். இயந்திரம் நீங்கள் தேர்ந்தெடுக்கும் மொழியின் எழுத்துக்கள் மற்றும் சொற்களஞ்சியத்துடன் படிக்கிறது. ஆங்கிலமாக ரஷ்யாவைப் படிப்பது அர்த்தமற்றதாக மாறும், மேலும் பிரஞ்சு அல்லது போலிஷ் மொழிகளில் உள்ள உச்சரிப்புகள் மொழி தவறாக இருக்கும்போது மறைந்துவிடும்.
• பக்கத்தை தட்டையாகவும் சதுரமாகவும் புகைப்படம் எடுக்கவும். தொலைபேசியை காகிதத்திற்கு நேராக மேலே பிடித்து, பக்கத்தால் சட்டத்தை நிரப்பவும், புத்தகத்தின் தண்டுக்கு அருகில் உள்ள சுருக்கத்தைத் தவிர்க்கவும். வளைந்த கோடுகள் ஒரு சிறிய படத்தை விட இயந்திரத்தை அதிகமாக குழப்புகின்றன.
• அதை சீராக ஒளியூட்டவும். பக்கத்தின் குறுக்கே ஒரு நிழல், அல்லது பளபளப்பான காகிதத்தில் ஒரு ஃபிளாஷின் ஒளி, எழுத்துக்களை மறைக்கிறது. ஜன்னலில் இருந்து வரும் பகல் வெளிச்சம், ஃபிளாஷ் இல்லாமல், பொதுவாக சிறப்பாக செயல்படும்.
• அதை கூர்மையாக வைத்திருங்கள். புகைப்படம் எடுப்பதற்கு முன் திரையில் தட்டி உரையில் கவனம் செலுத்துங்கள். சிறிய அச்சு உங்கள் சொந்த கண்களால் படிக்கக்கூடிய அளவுக்கு படத்தில் பெரிதாக இருக்க வேண்டும்.

OCR என்ன தவறாகப் பெறுகிறது

ஒரு நல்ல ஸ்கேன் கூட சில பிழைகளுடன் திரும்புகிறது, மேலும் அவை ஒரே மாதிரியானவையாக இருக்கும்: 'l' என்ற எழுத்து '1' என்ற எண்ணாகவும், 'O' '0' ஆகவும், 'rn' 'm' ஆகவும், ஒரு வரியின் முடிவில் ஒரு காற்புள்ளி விடுபடுகிறது. பெயர்கள், எண்கள் மற்றும் தேதிகள் முக்கியமான எதற்கும் நகலெடுப்பதற்கு முன் ஒருமுறைக்கு இருமுறை பார்க்கத் தகுதியானவை.

கையெழுத்து அச்சிடுவதை விட மிகவும் கடினமானது, மேலும் இணைக்கப்பட்ட கையெழுத்து பெரும்பாலும் மோசமாக படிக்கப்படுகிறது அல்லது படிக்கப்படுவதில்லை. வெளியீடு சாதாரண உரை என்பதால், பக்கத்தின் அமைப்பு அப்படியே இருக்காது: நெடுவரிசைகள் ஒன்றன் பின் ஒன்றாக படிக்கப்படுகின்றன, மேலும் ஒரு அட்டவணை வார்த்தைகளின் வரிகளாக திரும்புகிறது. உங்களுக்கு அமைப்பும் தேவைப்பட்டால், அடுத்த பகுதி அதைத் தக்க வைத்துக் கொள்ளும் வழியாகும்.

உங்களுக்கு உரை வேறு மொழியில் தேவைப்படும்போது

உரையை ஒரு மொழிபெயர்ப்பாளரில் நகலெடுத்தால் பக்கம் இழக்கப்படும்: முத்திரைகள், அட்டவணை, ஒவ்வொரு வரியும் இருந்த இடம். ஸ்கேன் செய்யப்பட்ட ஆவணத்தை அதன் தளவமைப்புடன் மொழிபெயர்க்க, அதற்குப் பதிலாக ஸ்கேனை DocTranslator-இல் பதிவேற்றுங்கள். அது ஸ்கேனை OCR மூலம் படித்து, உரையை மொழிபெயர்த்து, அசலைப் போலவே தோன்றும் ஒரு கோப்பை 108 மொழிகளில் ஏதேனும் ஒன்றில் திருப்பித் தருகிறது.

இந்தப் பக்கத்தில் உள்ள உலாவி கருவி ஆங்கிலம், ஸ்பானிஷ், பிரஞ்சு, ஜெர்மன், இத்தாலியன், போர்த்துகீசியம், ரஷ்யன், உக்ரேனியன், போலிஷ், துருக்கியம், அரபு, இந்தி, சீனம் (எளிமைப்படுத்தப்பட்டது), ஜப்பானிய, கொரியன் மற்றும் வியட்நாமிய மொழிகளைப் படிக்கிறது. ஸ்கேன் செய்யப்பட்ட PDF இல், இது முதல் 5 பக்கங்களைப் படிக்கிறது; மொழிபெயர்ப்பு ஒவ்வொரு பக்கத்தையும், DocTranslator ஆதரிக்கும் ஒவ்வொரு மொழியிலும் படிக்கிறது.