Resimden Yazıya (OCR)

OCR'nin iyi okuduğu şey — ve asla okuyamayacağı şey

Karakter tanıma, anlama değil örüntü eşleştirmedir, bu yüzden sonuç girdiyi acımasız bir dürüstlükle izler. Basılı metnin keskin bir ekran görüntüsü ya da düz, eşit aydınlatılmış bir taraması neredeyse mükemmel çıkar. Aynı sayfanın hafif bir açıyla, bir köşesinde gölge olan bir telefon fotoğrafı belirgin şekilde düşer — el yazısı, dekoratif yazı tipleri, fotoğrafların üzerindeki metin ve düşük kontrastlı baskılar (beyaz üzerine gri, renk üzerine renk) neredeyse kullanılamaz çıkabilir. Üç alışkanlık çoğu sorunu çözer: açılı değil doğrudan karşıdan çekin, kareyi metinle doldurup çevresini kırpın ve kaynak zaten ekrandaysa, monitörünüzü fotoğraflamak yerine orijinal ekran görüntüsünü kullanın. Bu adımların her biri, tanıyıcının aksi hâlde tahmin etmek zorunda kalacağı bir bozulmayı ortadan kaldırır.

Tek seferlik indirme ve neden var olduğu

İlk kez Metni Oku'ya bastığınızda, tarayıcınız tanıma motorunu ve İngilizce dil verisini getirir — yaklaşık 7 MB, bu siteden sunulur ve önbelleğe alınır, bu yüzden sonraki çalıştırmalar anında başlar. O indirme, gerçek bir sözün bedelidir: motor tamamen kendi cihazınızda WebAssembly olarak çalışır; bu, sözleşmenizin, reçetenizin ya da maaş bordronuzun fotoğrafının hiçbir yere iletilmediği anlamına gelir. Çoğu çevrimiçi OCR hizmeti tersi yönde çalışır — küçük bir sayfa ve belgeniz onların sunucusuna yüklenir. Yavaş bir bağlantıda ilk çalıştırma birkaç saniye kıpırdamadan duruyor gibi görünüyorsa, sıkışmış değil, getiriyordur; ilerleme satırı hangi aşamada olduğunuzu söyler. O ilk ziyaretten sonra motor önbellekten yüklenir ve normal bir metin sayfasında tanıma, mütevazı bir dizüstü bilgisayarda bile birkaç saniye sürer.

Şimdilik yalnızca İngilizce — ve rakamları her zaman gözden geçirin

Bu ilk sürüm İngilizce metin ve rakamları okur. Diğer diller planlanıyor — her biri ek bir eğitilmiş veri dosyası olduğundan, tek bir devasa paket yerine ayrı indirmeler olarak gelecekler — ama bugün Hollandaca bir mektup ya da Türkçe bir fatura, kelimeler İngilizce'ye benzemeyi bıraktığı her yerde bozuk çıkacaktır. Rakamlar kendi özel uyarısını hak eder: bir IBAN'da, bir telefon numarasında ya da bir fatura toplamında yanlış okunan bir 8'in 3 olarak çıkması, yanlış okunan bir kelimeden çok daha maliyetlidir ve rakamlar, motorun kendini düzeltmek için kullanabileceği hiçbir yazım bağlamı taşımaz. Metin ne olursa olsun, ona güvenmeden önce sonucu bir kez okuyun; rakamlar ne olursa olsun, onları iki kez kontrol edin.

Metin dışarı çıktı — şimdi onu işe yarar bir yere koyun

Metni Kopyala, sonucu panonuza koyar ve oradan genellikle üç hedeften birine gider. Doğrudan bir belgeye ya da e-postaya, en bariz olanıdır — OCR'nin bütün amacı bir sayfayı bir daha asla yeniden yazmamaktır. Daha az bariz olanı: onu /tr/text-to-speech'e yapıştırın ve sayfa sese dönüşür; bu, fotoğraflanmış bir makaleyi, başka bir şey yaparken dinleyebileceğiniz bir şeye çevirir. Ve gerçekten ihtiyacınız olan şey, sayfanın gevşek metin yerine paylaşılabilir bir belge olmasıysa, /tr/image-to-pdf orijinal fotoğrafı düzgün bir PDF'ye sarar — dosyalamak ve iletmek için çıplak bir görselden daha derli topludur; bu araç ise sözcüklerine de ihtiyaç duyduğunuz anları kapsar.

OCR'dan en iyi sonucu almak

Karakter tanıma, açık renkli bir zemin üzerinde koyu renkli metin içeren keskin ve iyi aydınlatılmış görsellerde en iyi sonucu verir. Belgeleri açılı değil, düz bir açıdan fotoğraflayın; mümkünse yalnızca metni kapsayacak şekilde kırpın ve bir ekranın fotoğrafı yerine orijinal ekran görüntüsünü tercih edin. Şu anda İngilizce ve rakamları okuyabiliyor; daha fazla dil planlanıyor.