صدا و متن
استخراج متن از عکس فارسی؛ OCR چقدر دقیق است؟
OCR در انگلیسی تقریباً حل‌شده است. در فارسی نه — و دلیلش فقط فونت نیست. اینجا دقیقاً می‌گویم کجا خوب کار میکند و کجا نه.
چرا فارسی سخت‌تر است
- چسبیدگی حروف: یک کلمه در فارسی یک شکل نیست؛ بسته به جای حرف، شکل عوض میشود. مدل باید شکل‌های متصل را بشناسد، نه حرف‌های جدا.
- فاصلهٔ کاذب: در فارسی، فاصله بین کلمات همیشه یعنی «کلمهٔ جدید» نیست.
- نیم‌فاصله: «می‌رود» با نیم‌فاصله، «کتاب‌ها» با نیم‌فاصله — اگر نیم‌فاصله تشخیص داده نشود، متن به‌هم می‌ریزد.
- اعراب و تنوین: علامت‌های کوچک بالای حروف، در تصویرِ کم‌کیفیت تبدیل به نقطه یا نویز می‌شوند.
- فونت‌های تزئینی: نستعلیق و فونت‌های نمایشی، برای ماشین تقریباً غیرقابل‌خواندن‌اند.
چه تصاویری خوب خوانده می‌شوند
- متن چاپی با فونت معمولی (نازنین، وزیر، ایران‌سنس)
- نور یکنواخت، بدون سایه و بازتاب
- تصویر مستقیم از بالا، بدون کج‌شدگی
- اندازهٔ کافی بزرگ — متن ریز، پرِ خطا
- پس‌زمینهٔ روشن و متن تیره
کجا شکست می‌خورد
| نوع تصویر | نتیجهٔ واقع‌بینانه |
|---|---|
| دست‌نوشته | روی دست‌خط تمیز و خوانا گاهی قابل استفاده؛ روی خط شکسته معمولاً نه. |
| عکس کج یا از زاویه | خطا زیاد میشود؛ اصلاح پرسپکتیو قبل از OCR کمک زیادی میکند. |
| فاکتور و رسید حرارتی | کاغذ محو و چین‌دار؛ جزئیات عددی کم‌اعتماد است. |
| جدول و فرم | متن استخراج میشود ولی ساختار جدول معمولاً از دست می‌رود. |
| متن روی تصویر (پوستر) | وابسته به کنتراست؛ متن سفید روی عکس شلوغ، ضعیف. |
چطور دقت را بالا ببریم
- صاف بگیر: گوشی را موازی کاغذ نگه دار، نه از بالا و کج.
- سایه را حذف کن: نور از پهلو، سایه می‌سازد. نور از روبه‌رو یا نور روز غیرمستقیم بهتر است.
- کادر را پر کن: تا جای ممکن، قاب تصویر را با متن پر کن؛ حاشیهٔ زیاد، دقت را کم میکند.
- یک صفحه، یک تصویر: دو صفحه در یک قاب، منبع خطاست.
- خروجی را همان‌جا ویرایش کن: متن را بعد از استخراج بخوان و اصلاح کن، وگرنه خطاها به سند بعدی منتقل می‌شوند.
پرسش‌های رایج
متن استخراج‌شده کپی‌شدنی است؟
بله، خروجی متن واقعی است نه تصویر؛ قابل ویرایش و جستوجو.
تصویر به سرور ارسال میشود؟
در واژهبین تشخیص کاملاً روی گوشی انجام میشود و تصویر و متن به سرور ارسال نمیشود؛ برنامه رایگان است و خرید درونبرنامهای ندارد.
PDF چندصفحهای هم پشتیبانی میشود؟
بله، واژهبین متن را از تصویر، اسکن و فایلهای PDF چندصفحهای استخراج میکند.