Görselden metne (OCR)

Bir görseli bu sayfaya bırakın, içindeki kelimeler yanındaki panelde, kopyalamaya hazır şekilde belirsin. İsterseniz panoya kopyaladığınız bir ekran görüntüsünü doğrudan yapıştırabilirsiniz, bu genelde önce diske kaydetmekten daha hızlıdır. PNG, JPEG, WebP ve BMP dosyalarının hepsi çalışır.

Ne kadar doğru sonuç veriyor?

Bu neredeyse tamamen görsele bağlı. Ekran görüntüleri ve basılı sayfaların temiz taramaları çok iyi okunur, çünkü harfler keskin ve düzgün bir zemin üzerindedir. Telefonla çekilen fotoğraflar daha zorludur: gölgeler, kıvrılmış kağıt, hareket bulanıklığı ve parlama doğruluğu düşürür, açılı çekilen bir sayfa da satırları karışık dönebilir. El yazısı bu aracın kapsamı dışındadır, çünkü kullanılan motor yalnızca baskı yazı üzerine eğitilmiştir. Sonuç kötü görünüyorsa, resmi düz bakış açısından ve daha fazla ışıkla yeniden çekmek genelde herhangi bir ayardan daha çok işe yarar.

Metin panelinin üst kısmındaki dil menüsü otomatik algılama ile başlar: araç görseli okur, çıkan sonuca bakar, kelimeler diğer yedi dilden birine işaret ediyorsa doğru modelle yeniden okur. Menü de hangi dilde karar kıldığını gösterecek şekilde güncellenir. Ancak otomatik algılamanın sınırları var. Çok kısa metin parçaları ona yeterli ipucu vermez, farklı bir yazı sistemindeki metin ise onu tamamen çaresiz bırakır: Latin alfabesi için eğitilmiş bir model Japonca bir metni okurken algılayıcının anlam veremeyeceği gürültü döndürür. Böyle durumlarda dili kendiniz seçin; yanlış seçim sonucu sessizce bozar, çünkü yanlış dildeki bir model hata bildirmek yerine kelime uydurur. Dili değiştirmek zaten yüklediğiniz görseli yeniden okur.

Görselim bir yere yükleniyor mu?

Hayır. Tanıma işlemi, WebAssembly’ye derlenmiş ve tesseract.js tarafından çalıştırılan Tesseract ile tarayıcınızın içinde yapılır. Görsel makinenizdeki bir canvas’a yüklenir, metin de yine aynı makinedeki bir worker thread’den geri döner. Aradan bir sunucu geçmez, yani faturalarınızı, kimlik taramalarınızı, tıbbi mektuplarınızı ya da o an okuduğunuz başka her ne ise kimse kaydedemez. Sayfayı açıp ağ bağlantısını kesebilirsiniz, model önbelleğe alındıktan sonra araç yine de çalışır.

İlk çalıştırma neden zaman alıyor?

Her dil, tanıma motorunun kendisine ek olarak yaklaşık bir ile üç megabayt arasında eğitilmiş bir model gerektirir. Tarayıcı bunları ilk okumada indirir ve IndexedDB’de saklar, böylece okuyacağınız ikinci görsel neredeyse anında başlar. Daha önce kullanmadığınız bir dile geçmek o dil için bir indirme daha tetikler. Çok uzun kenarlı görseller okunmadan önce küçültülür, bu da 12 megapiksellik bir fotoğrafta normal metin boyutlarında doğruluktan ödün vermeden birkaç saniye kazandırır. Bu önbelleğin nerede tutulduğunu merak ediyorsanız MDN’nin IndexedDB sayfasına bakabilirsiniz.

Türkçe metin de dil listesinde yer alır, yani bir ekran görüntüsündeki ya da taranmış bir sayfadaki Türkçe karakterleri (ç, ğ, ı, İ, ö, ş, ü dahil) doğrudan tanıyabilir.

Tipik kullanım alanları: bir ekran görüntüsünden kod veya adres kopyalamak, taranmış bir kitap sayfasından alıntı çıkarmak, bir fişi elle yazmak yerine tabloya aktarmak ve elindeki tek şey bir görsel olduğunda birinin size gönderdiği metni oradan çekmek.