OCR Recorder

OCR Recorder מחלץ טקסט שניתן לעריכה מתמונות ו- PDFs על ידי הרצת תהליך OCR על קבצים שהועלו. הוא תומך במסמכים לעמוד בודד ובמסמכים מרוב-עמודים, ומחזיר טקסט רגיל או JSON מובנה הכולל בלוקים של טקסט, תיבות גבול (bounding boxes) וט metadata של דפים. הערך המרכזי הוא המהירות בה ניתן להפוך מסמכים מודפסים למסמכים דיגיטליים, כולל חשבוניות, טפסים וצילומי מסך, ליעילות אינדוקס, תרגום והקלדת נתונים. משתמשים יכולים לבצע preprocessing לשיפור דיוק, לבחור את שפת ההפקה ולבחור את הפורמט המתאים לזרמי עבודה downstream. התוצאות ניתנות לבחינה מקומית או לשילוב ב-pipelines אוטומטיים.
בהגיון, הפרויקט עוקב אחרי צינור OCR תקני: קבלת קלט, preprocessing לשיפור ניגודיות וצירוף, ניתוח פריסה להפרדת בלוקים, זיהוי תווים עם מודלים לשוניים ועיבוד לאחר-מטע כדי לתקן שגיאות נפוצות. הפלט JSON שומר על מבנה המסמך על ידי grouping הטקסט לשורות ובלוקים עם קואורדינטות, מה שמאפשר ניתוח ואימות בהמשך.
הערך של הכלי נובע מדיוק, גמישות ואפשרויות היצוא. הוא מפחית הקלדה ידנית, מאיץ לכידת טקסט להערות מחקר, חשבוניות וטפסים, ומאפשר עיבוד מרובה-שפות. הוא ייחודי בשל שלבי preprocessing אופציונליים, תוצאות תלויות דף ל-PDF ויצוא מובנה שניתן לטעון למאגרי נתונים, אינדקסי חיפוש או תהליכי תרגום.
מקרי שימוש כוללים דיגיטציה של חשבוניות לקידוף חשבוניות, המרת חומרי שיעור למסמכים שניתן לחיפוש ומיצוי ציטוטים ממסמכים סרוקים לניהול ציטוטים. הכלי תומך בהרצות batch ויכול להשתלב בשרשראות אוטומציה גדולות יותר בהן OCR הוא שלב מרכזי בצינורות עיבוד מסמכים.