Làm cho bản PDF đã quét có thể tìm kiếm được mà không cần tải bản quét lên
Quét một trang và máy tính của bạn sẽ lưu trữ một bức ảnh của nó. Các từ trông ngay trên màn hình, nhưng đối với phần mềm, chúng chỉ là pixel - Ctrl+F không tìm thấy gì, sao chép-dán không mang lại cho bạn điều gì và không có chỉ mục nào biết tài liệu nói gì. OCR (nhận dạng ký tự quang học) khắc phục chính xác điều đó: nó nhìn vào các hình dạng, nhận dạng các chữ cái và từ, đồng thời viết một lớp văn bản thực bên dưới hình ảnh.
Tại sao điều này lại quan trọng trong thực tế
- Tìm thấy bất cứ điều gì. Ctrl+F trên hợp đồng được quét 200 trang bắt đầu hoạt động.
- Sử dụng lại các từ. Trích dẫn, địa chỉ, số mệnh đề - có thể lựa chọn và sao chép thay vì phải gõ lại.
- Khả năng truy cập và lập chỉ mục. Trình đọc màn hình và công cụ tìm kiếm có thể đột nhiên “đọc” tài liệu.
Việc đánh bắt không ai nhắc đến
Hầu hết các công cụ OCR trực tuyến đều đọc tài liệu của bạn bằng cách tải nó lên máy chủ của họ - đây là một điều kỳ lạ khi thực hiện quét hộ chiếu, hồ sơ y tế hoặc hợp đồng khách hàng của bạn. của chúng tôi công cụ OCR đi theo con đường khác: sự công nhận chạy bên trong trình duyệt của bạn (công cụ Tesseract tiêu chuẩn ngành, được biên dịch sang WebAssembly) và tệp PDF có thể tìm kiếm cũng được tập hợp cục bộ. Quá trình quét không bao giờ rời khỏi thiết bị của bạn.
Đạt được độ chính xác tốt nhất
- Làm thẳng đầu tiên. Một trang nghiêng hai độ sẽ có độ chính xác trên mỗi dòng. Chạy nghiêng trước OCR nếu quá trình quét có vẻ quanh co.
- Quét ở 300 dpi. Đủ chi tiết cho động cơ; nhiều hơn chỉ làm nó chậm lại.
- Phù hợp với ngôn ngữ. Chọn ngôn ngữ phù hợp trong công cụ OCR — từ điển nhận dạng khác nhau và “tiếng Anh” trên một trang tiếng Pháp sẽ tạo ra những từ vô nghĩa đầy tự tin.
- Chú ý đến phông chữ. Khuôn mặt và chữ viết của máy đánh chữ thực sự rất khó; mong đợi sự điều chỉnh ở đó.
Sau OCR
Đầu ra là một tệp PDF trông giống hệt nhau nhưng chứa văn bản vô hình, có thể lựa chọn. Từ đó nó trở thành một tài liệu bình thường: tìm kiếm, sao chép, đưa nó vào PDF sang văn bản công cụ cho các từ thô hoặc chuyển đổi nó sang định dạng có thể chỉnh sửa bằng PDF sang Word.
Danh sách kiểm tra độ chính xác
- Làm thẳng trang trước khi nhận dạng; quét deskewed đọc tốt hơn.
- Sử dụng khoảng 300 dpi - nhiều pixel hơn chỉ giúp ích ở mức độ nhiễu bắt đầu gây ảnh hưởng.
- Chọn ngôn ngữ trên trang, bao gồm cả chữ viết chính xác.
- Tìm kiếm ba chi tiết đã biết sau đó: tổng số, ngày tháng và tên.
- Kiểm tra kết quả in ra, không chỉ kết quả tìm kiếm.
Ngôn ngữ và chữ viết tay
Tính năng nhận dạng hoạt động tốt nhất trên văn bản được in rõ ràng bằng ngôn ngữ mà nó hỗ trợ. Các trang ngôn ngữ hỗn hợp có thể gây nhầm lẫn cho mô hình ngôn ngữ; chạy các lượt riêng biệt nếu các phần khác biệt. Chữ viết tay là loại hộp cứng - nhãn in xung quanh ghi chú viết tay có thể được nhận dạng trong khi bản thân ghi chú đó bị bỏ sót. Không coi kết quả OCR là bản sao được chứng thực của hồ sơ viết tay.
Phải làm gì với văn bản sau đó
Sau khi quét có một lớp văn bản, nó có thể được tìm kiếm, sao chép và lập chỉ mục, đồng thời có thể chuyển đổi thành Word hoặc trích xuất dưới dạng văn bản. Giữ bản quét gốc cùng với phiên bản có thể tìm kiếm nếu hình ảnh là hồ sơ pháp lý. Quyền riêng tư là nửa còn lại của quyết định: nhận dạng dựa trên trình duyệt sẽ tiếp tục quét trên thiết bị của bạn, trong khi dịch vụ dựa trên tải lên sẽ gửi nó đến máy chủ. Chọn mô hình phù hợp với độ nhạy của tài liệu, không chỉ giá cả.
Hãy thử nó: làm cho bản quét có thể tìm kiếm được — cục bộ, miễn phí: quá trình quét không bao giờ rời khỏi thiết bị của bạn và tệp PDF được tạo được tạo theo cách tương tự.