Italiano

Lo strumento accetta file immagine, TIFF o PDF e applica OCR per estrarre testo leggibile. Rileva automaticamente la lingua, esegue un’analisi della disposizione per preservare interruzioni di riga e struttura della pagina e fornisce testo semplice o JSON strutturato con coordinate per blocco.
Gli utilizzi includono la digitalizzazione di articoli di ricerca, ricevute, manoscritti storici e moduli dove il contenuto ricercabile può essere indicizzato o tradotto. Il sistema supporta più lingue nello stesso documento e può indicare livelli di fiducia per ciascuna regione di testo per facilitare il controllo qualità.
Un elemento distintivo è l’estrazione sensibile al layout: blocchi di testo, intestazioni e tabelle sono spesso rappresentati con metadati di bounding box per facilitare l’elaborazione a valle come indicizzazione, acquisizione dati e flussi di accessibilità. L’elaborazione batch permette di trattare grandi archivi con schemi di output coerenti, mentre gli output includono testo semplice per accesso rapido e JSON strutturato per integrazione programmabile. Lo strumento è utile per ricercatori, bibliotecari, studenti e team di conformità che necessitano di risultati OCR riproducibili, estrazione di testo tracciabile e integrazione fluida in pipeline di dati.