Norsk

Verktøyet tar imot bilde-, TIFF- eller PDF-filer og bruker OCR for å ekstrahere lesbar tekst. Det oppdager automatisk språk, utfører layoutanalyse for å bevare linjeskift og sidens oppbygning, og leverer ren tekst eller strukturert JSON med blokk-koordinater.
Bruksområder inkluderer digitalisering av forskningsartikler, kvitteringer, historiske håndskrifter og skjemaer der søkbar tekst og data kan indekseres eller oversettes. Systemet støtter flere språk i ett dokument og kan angi tillitsnivåer for hver tekstregion for å lette kvalitetskontroll.
Et kjernedifferensierende kjennetegn er layout-sensitiv uttrekk: tekstblokker, overskrifter og tabeller vises ofte med bounding-box metadata for å lette nedstrøms behandling som indeksering, datafangst og tilgjengelighetsarbeidsflyter. Batch-behandling gjør det mulig å behandle store arkiver med konsistente utdata-skjemaer, mens utdata inkluderer ren tekst for rask tilgang og strukturert JSON for programmatisk integrasjon. Verktøyet er nyttig for forskere, biblioteke, studenter og overholdelsesteam som trenger reproduerbare OCR-resultater, sporbar tekstopptak og sømløs integrasjon i datapipelines.