Khmer Image OCR

L’outil Khmer Image OCR convertit les images contenant l’écriture Khmer en texte Khmer éditable en utilisant un modèle de reconnaissance spécifique au Khmer. Il traite les photos, les scans et les captures d’écran, gère les mises en page documentaires courantes et préserve la structure lorsque possible. Le pipeline commence par un prétraitement d’image pour normaliser le contraste et réduire le bruit, suivi de la détection de l’écriture et de la correction d’inclinaison pour aligner les lignes de texte. L’étape OCR centrale reconnaît les caractères Khmer avec un modèle sensible à la langue, puis post-travaille les résultats avec un vocabulaire et un dictionnaire pour réduire les erreurs et améliorer les délimitations de mots. La sortie peut être du texte UTF-8 brut ou des formats structurés tels que JSON ou DOCX, avec des indices de mise en page optionnels pour les paragraphes et les sauts de ligne. L’outil bénéficie aux étudiants qui numérisent des notes, aux chercheurs qui convertissent des textes Khmer d’archives, aux journalistes qui rassemblent des sources et aux traducteurs qui ont besoin d’entrées éditables pour les travaux de localisation. Sa valeur réside dans le modèle linguistique spécifique au Khmer, l’ajustement du vocabulaire et l’extraction sensible à la mise en page qui offre une précision supérieure à celle d’un OCR générique pour le matériel Khmer. Les fonctionnalités clés incluent l’entrée d’image, la sortie texte UTF-8, le traitement par lots, l’ajustement du vocabulaire, le score de confiance et plusieurs formats d’exportation. Des cas d’usage incluent la numérisation de matériel éducatif, des projets d’archives, des transcriptions de presse ou des documents gouvernementaux où le texte Khmer doit être consultable et modifiable.