OCR на многих языках – даже вперемешку на одной странице
Движок OCR в OCR PDF – Tesseract – распознаёт каждый язык с помощью отдельной обученной модели. После качества скана правильный выбор языков сильнее всего влияет на точность: буквы с диакритикой, умлауты, кириллица, греческое и арабское письмо и азиатские системы письма распознаются правильно, только если выбран соответствующий язык. Для одного документа можно выбрать до четырёх языков.
Как распознать многоязычный документ
- Загрузите файл Откройте OCR PDF и выберите отсканированный PDF или фотографии страниц.
- Добавьте все языки Нажмите «+ Добавить язык» для каждого языка документа; удалите неиспользуемые.
- Запустите OCR Страницы с несколькими языками распознаются за один проход.
- Проверьте особые буквы Просмотрите в распознанном тексте имена и слова с диакритикой или в других системах письма.
Языки и системы письма
Доступные языки
العربية, বাংলা, Български, Čeština, 简体中文, 繁體中文, Deutsch, Ελληνικά, English, فارسی, Français, עברית, हिन्दी, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Bahasa Melayu, Nederlands, Polski, Português, Română, Русский, Español, Svenska, ไทย, Türkçe, Українська, اردو, Tiếng Việt.
Диакритика и особые буквы
Такие буквы, как é, ß, ñ, ø или ł, надёжно распознаются, только если выбран их язык. С одним английским они часто превращаются в похожие простые буквы.
Двуязычные документы
Договоры с приложением на другом языке, многоязычные формы и словари: выберите оба языка, и они будут распознаны на одной странице.
Письмо справа налево
Арабский и другие тексты, написанные справа налево, сохраняют порядок чтения в скопированном тексте.
Китайский, японский и корейский
Выберите точную систему письма: упрощённый и традиционный китайский – это разные модели.
Меньше – лучше
Каждый дополнительный язык замедляет OCR и может приводить к путанице похожих букв, поэтому выбирайте только те языки, которые действительно встречаются.
Полезно знать
- Старые шрифты, например немецкий фрактур, и историческая орфография плохо распознаются современными языковыми моделями.
- На любом языке рукописный текст распознаётся гораздо менее надёжно, чем печатный.
Многоязычный OCR – часто задаваемые вопросы
Сколько языков можно использовать одновременно?
До четырёх на документ. Они могут встречаться на одной странице.
Какие языки доступны?
العربية, বাংলা, Български, Čeština, 简体中文, 繁體中文, Deutsch, Ελληνικά, English, فارسی, Français, עברית, हिन्दी, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Bahasa Melayu, Nederlands, Polski, Português, Română, Русский, Español, Svenska, ไทย, Türkçe, Українська, اردو, Tiếng Việt.
Моего языка нет – что делать?
В списке показаны все языки, установленные на нашем OCR-сервере. Свяжитесь с нами и сообщите, какой язык вам нужен.
Почему в моём тексте пропали диакритические знаки?
Скорее всего, язык текста не был выбран. Выполните OCR ещё раз, добавив этот язык.
Это бесплатно?
Да, без регистрации и водяных знаков. Файлы удаляются после обработки, не позднее чем через час.
Распознайте текст на своём языке
Выберите до четырёх языков и сделайте отсканированный PDF доступным для поиска с OCR PDF.
Запустить многоязычный OCR