Практично от снимка към текст
Какъв проблем решава този OCR четец
Текстът в снимка от телефон, екранен кадър или сканирана страница не може директно да се търси и редактира. Оптичното разпознаване на знаци, познато като OCR, оценява видимите букви и цифри и връща редактируем текст. Този инструмент е предназначен за кратки документи, касови бележки, етикети, записки, формуляри и екранни кадри, когато бързият резултат в браузъра е по-полезен от инсталиране на програма.
OCR двигателят и седемте езикови файла се предоставят от Xephory, но работят в отделен процес на браузъра. Избраното изображение се декодира локално, подготвя се върху временно платно и се подава към локалния OCR процес. В този работен поток няма заявка за качване на изображението.
OCR е машинно тълкуване, а не заверен препис. Затова резултатът показва увереност, брой думи и знаци, време, размери на източника и размери, подадени към двигателя. Тези показатели помагат да забележите слаб резултат, преди да го копирате.
Поддържани формати и ограничения
Инструментът приема обичайни изображения и Apple снимки в HEIC или HEIF. Поддържаното разширение не гарантира, че повреден или необичайно кодиран файл ще се отвори. Размерът и декодираните измерения се проверяват преди OCR.
Когато валидна снимка е по-голяма от работния бюджет, тя се намалява пропорционално върху временно платно. Това ограничава използваната памет и обикновено ускорява разчитането, без да променя оригиналния файл.
| Вход | Как се обработва | Важно уточнение |
|---|---|---|
| HEIC / HEIF | Декодира се локално до временно растерно изображение | Разчита се първият неподвижен кадър; необичайни поредици може да не се отворят. |
| PNG | Декодира се директно от браузъра | Подходящ за екранни кадри и ясен текст от интерфейс. |
| JPEG / JPG | Декодира се директно от браузъра | Силната компресия може да замъгли дребните знаци. |
| WebP | Декодира се от съвременните браузъри | Анимираните файлове се третират като неподвижно изображение. |
| Размер на файла | До 25 MB за едно изображение | Лимитът се проверява преди преобразуване на HEIC. |
| Декодирано изображение | До 80 мегапиксела | По-големите изображения се отказват, за да се защити паметта. |
| OCR платно | До 16 мегапиксела | По-големите валидни изображения се намаляват пропорционално. |
Надежден начин за работа с OCR
- Изберете поддържано изображение или пуснете диагностиката, за да проверите браузъра и езиковия модел.
- Проверете прегледа, името и размерите. Грешка при декодирането се показва преди OCR.
- Изберете езика, който действително е отпечатан. Двуезичен модел е полезен само при смесен текст.
- Започнете с оригинални цветове. Ползвайте сиво при цветен фон и висок контраст при блед печат.
- Изберете автоматична страница за смесен документ, един блок за абзаци, разпръснат текст за етикети или един ред за код.
- Ако текстът е настрани, задайте завъртане. Променя се само временното платно, не оригиналът.
- Стартирайте разчитането и наблюдавайте процента. Прекратяването спира работния процес и браузърът остава отзивчив.
- Преди копиране сверете с изображението имената, сумите, датите и референтните номера.
Повторима проверка на браузъра
Какво измерва вградената диагностика
Диагностиката създава в паметта PNG с размер 1600 × 560 и два известни реда: „FREE OCR TEST 123“ и „DOCUMENT READER“. Използва се английският модел, оригинални цветове, един текстов блок и завъртане 0°. Така целият локален път може да се провери без личен файл.
Успешното изпълнение трябва да върне двата реда в същия ред. Увереността и времето са от текущото устройство. Кешът, процесорът, ограниченията на браузъра и свободната памет влияят на скоростта.
Тази проверка доказва работата с чисто синтетично изображение. Тя не гарантира точност при размазана бележка, ръкопис или страница, снимана под ъгъл.
Как подготовката и подредбата променят резултата
Качеството зависи както от езиковия модел, така и от подготвените пиксели. Оригиналният режим пази цветовете, сивото премахва цветовите различия, а високият контраст изчислява автоматичен праг и превръща изображението в черно-бяло. Последният режим може да подсили блед печат, но и да изтрие тънки щрихи.
Сегментирането казва на двигателя как е подреден текстът. Един ред за цяла страница вероятно ще пропусне съдържание. Променяйте само по една настройка, за да разберете коя действително помага.
- Оригинални цветове: първи избор за чист скан или екранен кадър.
- Степени на сивото: при цветна хартия или неравномерна светлина.
- Висок контраст: тъмен печат върху сравнително равен светъл фон.
- Автоматична страница: заглавия, колони или неизвестна подредба.
- Един текстов блок: абзаци и обикновени области на документ.
- Разпръснат текст: етикети, менюта, схеми и отделени думи.
- Един ред: серийни номера и хоризонтални кодове.
- Завъртане: 90°, 180° или 270°, без промяна на оригиналния файл.
Как се тълкуват увереността и измерванията
Увереността е вътрешна оценка, върната от Tesseract. Висок процент пак може да съдържа грешна цифра или собствено име, а по-нисък резултат може да има полезен текст. Използвайте я като предупреждение, а не като доказателство за вярност.
Размерите на източника са на декодираното изображение. OCR размерите показват дали то е намалено до работния бюджет от 16 мегапиксела. Таймерът включва подготовката и разчитането и отразява реалното изчакване.
- Проверявайте всяка цифра във фактури, бележки и референтни номера.
- Сверявайте знак по знак имена, адреси, домейни и смесени кодове.
- Проверявайте пунктуацията и новите редове, когато структурата е важна.
- При ниска увереност подобрете светлината или изрежете важната област предварително.
- Не използвайте непроверен OCR като единствен източник за правни, медицински, финансови или безопасностни решения.
- Пазете изображението като основен документ; текстът е удобно копие.
Локален OCR и границата с незадължителния AI
Изборът, прегледът, завъртането, подготовката и OCR разчитането се извършват в браузъра. Xephory не получава избраното изображение. Анализът и рекламите са отделни услуги под управлението на Google consent настройките и не получават снимката от този OCR процес.
AI корекцията е отделена умишлено. Тя се активира само след получен OCR текст и изисква потвърждение. При съгласие до 12 000 знака от текущия текст се изпращат към Google Gemini чрез ограничен сървърен адрес на Xephory. Изображението никога не се включва, а оригиналният OCR резултат се пази за отмяна.
AI може да промени правилна дума, число или име. Не изпращайте поверителен текст и винаги сравнявайте корекцията с изображението. Google обработва заявката според собствените си условия и правила за поверителност.
- Не е необходим профил.
- Няма заявка за качване на избраното изображение.
- Езиковите модели се изтеглят и може да бъдат кеширани от браузъра.
- AI корекцията е незадължителна, изключена по подразбиране и изисква потвърждение.
- При потвърждение се изпраща само извлеченият текст.
- Изчистването или затварянето на страницата премахва текущия резултат от интерфейса.
Съвети за по-добро изходно изображение
Чистият източник обикновено помага повече от многократната смяна на настройки. Буквите трябва да заемат достатъчно пиксели, листът да е равен и осветен равномерно, а камерата да е възможно най-успоредна.
- Избягвайте отблясъци върху гланцирана хартия.
- Дръжте камерата успоредно на документа.
- Изрежете празните полета и излишния фон предварително.
- Използвайте достатъчна реална резолюция, без цифрово приближение.
- Дръжте текста изправен или изберете правилното завъртане.
- Разчитайте дълги документи страница по страница или на отделни области.
- Предпочитайте ясен екранен кадър пред снимка на монитор.
- Ако тънките щрихи изчезват, опитайте първо степени на сивото.
Известни ограничения
Това е универсален четец за печатен текст. Той не възстановява пълната структура на документ, не проверява документи за самоличност и не гарантира реда при сложни таблици и колони.
- Ръкописът не е поддържана цел за точност.
- Извити листове, сенки, размазване и перспектива намаляват точността.
- Декоративни шрифтове и текст върху снимки се отделят трудно.
- Клетки от таблица може да излязат в неочакван ред.
- Обработва се едно неподвижно изображение; PDF с много страници не се поддържа.
- HEIC поредици и необичайни варианти може да не се декодират.
- Първото използване на език изисква време и интернет трафик.
- Лимитът от 120 секунди може да прекрати много трудно изображение.
Въпроси за безплатния OCR четец
Качва ли се избраното изображение?
Не. То се декодира, завърта, подготвя и разчита в браузъра. OCR процесът не го изпраща към Xephory или Google Gemini.
Защо първото разчитане е по-бавно?
Браузърът може да трябва да изтегли Tesseract процеса, WebAssembly ядрото и избрания езиков модел. След кеширане следващите опити често са по-бързи.
Кой език трябва да избера?
Изберете езика, който е отпечатан в изображението. Двуезичният вариант е полезен само ако и двата езика присъстват и използва повече време и памет.
Какво прави високият контраст?
Изображението се преобразува в сиво, изчислява се автоматичен праг и пикселите стават черни или бели. Това може да подсили блед текст, но да загуби фини детайли.
Мога ли да спра бавно разчитане?
Да. Прекратяването спира активния OCR процес. Освен това всяко изпълнение се прекратява автоматично при 120 секунди.
AI корекцията подобрява ли разпознаването на снимката?
Не. Локалният OCR приключва първо. Само след потвърждение AI получава извлечения текст и опитва да поправи очевидни текстови грешки.
Мога ли да вярвам на процента увереност?
Използвайте го само като показател за качество. Критичните букви, цифри, имена, суми и кодове трябва да се сверят с изображението.
Защо голямата ми снимка беше намалена?
Източникът може да е до 80 мегапиксела, но временното OCR платно е ограничено до 16 мегапиксела, за да се контролира паметта и браузърът да остане отзивчив. Оригиналът не се променя.