گوشی چطور نوشته عکس را به کلمات قابل کپی تبدیل می‌کند؟

در یک نگاه

پیدا کردن

بخش‌هایی را پیدا می‌کند که شبیه نوشته‌اند.

تشخیص

الگوهای تصویری را به نویسه تبدیل می‌کند.

استفاده

کلمات را برای انتخاب و کپی برمی‌گرداند.

عکس از ابتدا متن قابل ویرایش نیست

دوربین نور و رنگ را ثبت می‌کند، نه حروفی که برنامه نوشتن نگه می‌دارد. OCR نقش پل را دارد: تشخیص نوری نویسه‌ها نوشته قابل مشاهده در تصویر را به نویسه‌های شناخته‌شده تبدیل می‌کند.

منبع: Google ML Kit: Text recognition v2

سیستم چطور نوشته را در عکس پیدا می‌کند؟

سیستم ناحیه‌های احتمالی نوشته و جای آن‌ها را تشخیص می‌دهد. نتیجه می‌تواند به بلوک، خط، کلمه و نویسه تقسیم شود. کادرهای کاروسل تصویرسازی این مرحله‌اند، نه ضبط فرایند داخلی یک گوشی مشخص.

منبع: Google ML Kit: Text recognition v2

بعد الگوها را می‌شناسد

تشخیص‌دهنده‌های جدید متن از مدل‌های آموزش‌دیده برای شناخت الگوهای حرف و کلمه در تصویر استفاده می‌کنند. نتیجه داده متنی و اطلاعاتی مثل محل آن است. ابزارها می‌توانند مراحل، زبان‌ها و مدل‌های متفاوت داشته باشند. این ترتیب ساده ایده را توضیح می‌دهد، نه یک الگوریتم ثابت برای همه.

منبع: Google ML Kit: Text recognition v2 · Google ML Kit: Recognize text in images on Android

حالا انتخاب، کپی یا ترجمه ممکن می‌شود

رابط گوشی می‌تواند نشانه‌های انتخاب را روی متن تشخیص‌داده‌شده بگذارد و اجازه دهد آن را در برنامه دیگری کپی کنید. Live Text اپل یک نمونه است. ترجمه، باز کردن پیوند یا کار دیگر می‌تواند بعد از تشخیص رخ دهد؛ این‌ها قابلیت‌های اضافه‌اند، نه همان خواندن حروف.

منبع: Apple: Interact with text in a photo or video on iPhone

عکس واضح شانس تشخیص را بیشتر می‌کند

تاری، حروف خیلی کوچک، انعکاس و زاویه نامناسب می‌تواند تشخیص را سخت کند. نور کافی داشته باشید، نوشته را در فوکوس بگذارید و واضح عکس بگیرید. خط‌ها و زبان‌های پشتیبانی‌شده به ابزار بستگی دارند؛ همه تشخیص‌دهنده‌ها همه زبان‌ها را نمی‌خوانند.

منبع: Google ML Kit: Text recognition v2 · Google ML Kit: Recognize text in images on Android

آیا کپی شدن متن به معنی درست بودن آن است؟

OCR ممکن است حروف مشابه را اشتباه بگیرد یا جزئیات کوچک را از دست بدهد. نام، تاریخ، مبلغ و شماره مرجع را پیش از استفاده با اصل مقایسه کنید. تشخیص متن ثابت نمی‌کند ادعای سند درست است. پردازش هم به برنامه بستگی دارد: بعضی تشخیص‌ها روی دستگاه انجام می‌شود و بعضی خدمات می‌توانند تصویر را به سرور بفرستند. پیش از اسکن اطلاعات حساس، حریم خصوصی برنامه را بررسی کنید.

منبع: Google ML Kit: Recognize text in images on Android · Apple: Interact with text in a photo or video on iPhone · Microsoft Learn: Call the Azure Vision Read API