Как работает OCR
OCR это процесс, при котором изображение разбирается на символы. Алгоритм определяет, где на изображении находится текст, распознаёт форму каждого символа и собирает их в строки. Результат это текстовый слой, который можно передать на перевод.
Качество OCR зависит от нескольких факторов. Разрешение изображения: чем выше, тем точнее распознавание. Контраст и чистота: размытый текст или сильный фон снижают точность. Шрифт: стандартные шрифты распознаются лучше, чем рукописный или декоративный. Раскладка: если текст расположен нелинейно, в колонках или под углом, распознавание сложнее.
Где OCR применяется в переводе
OCR используется там, где исходник не несёт текстового слоя. Скан бумажного документа. Фотография упаковки или этикетки. PDF, созданный из скана, где текст это изображение, а не набор символов. Инструкции, снятые на телефон. Иероглифические документы, где стандартные инструменты не читают текст.
Для ИИ-перевода PDF OCR это входной этап: система распознаёт текст в файле и передаёт его на перевод. Для ИИ-переводчика файлов OCR работает с изображениями и сканами, извлекая текст для дальнейшего перевода.
Что влияет на качество распознавания
Качество OCR напрямую влияет на качество перевода. Если OCR распознаёт символ с ошибкой, переводчик или ИИ увидит эту ошибку и переведёт её. Поэтому перед переводом важно оценить точность распознавания.
Основные факторы:
Разрешение и чистота изображения. Размытый скан даёт много ошибок.
Шрифт и контраст. Рукописный текст и низкоконтрастные надписи распознаваются хуже.
Раскладка. Нестандартное расположение текста, колонки, поворот снижают точность.
Язык. Для некоторых языков, особенно с иероглифами или сложной диакритикой, точность ниже.
Как выстроить процесс с OCR
Процесс начинается с оценки исходника. Если PDF несёт текстовый слой, OCR не нужен, текст извлекается напрямую. Если текст это изображение, запускается OCR. После распознавания текст проходит проверку на точность, затем передаётся на перевод.
В Платформе перевода OCR встроено в обработку файлов. Система определяет, нужен ли распознавание, извлекает текст, передаёт его на перевод с учётом глоссария и памяти переводов. Результат проходит агентские проверки и возвращается.
Для перевода иностранных документов и документов для импорта OCR часто требуется: исходники это сканы и фото, где текстового слоя нет.
Частые проблемы
Типичная проблема это низкое качество исходника. Размытое фото или скан с низким разрешением дают много ошибок распознавания. Вторая: рукописный текст. Его распознавание значительно менее точное, чем печатный. Третья: смешанный текст. Если на изображении несколько языков или разные шрифты, OCR может путать блоки. Четвёртая: ожидание идеального распознавания. Даже хороший OCR даёт ошибки, и текст после распознавания нуждается в проверке.
FAQ
Что такое OCR?
OCR, Optical Character Recognition, это распознавание текста на изображениях. Алгоритм определяет символы на изображении и собирает их в текстовый слой.
Когда нужен OCR в переводе?
Когда исходник это скан, фото, PDF с неподвижным текстом или изображение с надписями, где текстового слоя нет. OCR извлекает текст, и дальше он переводится как обычный.
Что влияет на качество OCR?
Разрешение и чистота изображения, контраст, шрифт, раскладка текста и язык. Размытый скан или рукописный текст снижают точность.
Как Платформа перевода использует OCR?
Платформа определяет, нужно ли распознавание, извлекает текст из файла, передаёт его на перевод с учётом глоссария и памяти переводов и проходит агентские проверки.
Можно ли полностью доверять OCR?
Нет. Даже хороший OCR даёт ошибки, особенно на размытых сканах и рукописном тексте. После распознавания текст нуждается в проверке перед переводом.