Image to Word OCR

Image to Word OCR-værktøjet omdanner tekst, der er indlejret i billeder, til redigerbar og søgbar tekst. Det løser problemet med at udtrække ord fra fotos, scans, kvitteringer, diagrammer og skærmbilleder. Målgruppen omfatter forskere, studerende, redaktører, arkivarer og drifts teams som modtager billedbaserede dokumenter og har brug for hurtig digitalisering til indeksering, redigering eller videre behandling.
Nøglebegreber: et billede forbehandles for at forbedre klarheden (deskew, denoise, kontrastnormalisering), efterfulgt af tegn-genkendelse ved hjælp af sprogmodeller. Valgfri sprogdetektion vælger den bedste genkendelsesmodel. Output er som standard ren tekst, med valgfri bevarelse af layout som linjeskift eller kolonner. Avancerede outputs kan være strukturerede data (JSON/HOCR) til integration i arbejdsgange.
Værdi: understøtter flere sprog, håndterer almindelige skrifttyper og ikke-latinske skripts. Leverer tillidsværdier pr. blok og kan automatisk rette fejl ved hjælp af et ordforråd. Værktøjet lægger vægt på privatliv ved at behandle data i-session og kun eksportere hvis eksplicit anmodet.
Anvendelsesområder: digitalisering af videnskabelige artikler fra scannede PDFs, udtræk af citater fra billeder, indeksere historiske fotografier, konvertere kvitteringer til regnskab og opbygge søgbare arkiver.