Svenska

Verktyget tar emot bild-, TIFF- eller PDF-filer och tillämpar OCR för att extrahera läsbar text. Det detekterar automatiskt språk, utför layoutanalys för att bevara radbrytningar och sidstruktur samt levererar ren text eller strukturerad JSON med blockens koordinater.
Användningsområden inkluderar att digitalisera forskningsartiklar, kvitton, historiska handskrifter och formulär där sökbar text och data kan indexeras eller översättas. Systemet stödjer flera språk i ett dokument och kan markera förtroendenivåer för varje textområde för kvalitetskontroll.
En nyckelfunktion är layoutkänslig extraktion: textblock, rubriker och tabeller representeras ofta med bounding-box metadata för att underlätta nedströmsbearbetning som indexering, datainsamling och tillgänglighetsarbetsflöden. Partsvitligt bearbetning möjliggör arbete med stora arkiv med konsekventa utskriftsscheman, medan utdataformat inkluderar ren text för snabb åtkomst och strukturerad JSON för programmatisk integration. Verktyget är användbart för forskare, librarians, studenter och efterlevnadsteam som behöver reproducerbara OCR-resultat, spårbar textutdrag och smidig integration i datarörledningar.