OCR ya Kihindi: Picha kuwa maandishi ya Kihindi
Pakia picha, picha ya skrini au PDF iliyoskaniwa yenye maandishi ya Kihindi na uyapate kama Devanagari ya Unicode inayobandikika vizuri kwenye Word, WhatsApp, Google Docs au fomu. Lugha ya hati tayari imewekwa kuwa Kihindi.
Picha kuwa Maandishi
au buruta Faili za PDF, JPG, JPEG … hapa ·
Hadi MB 95 kwa faili· Hadi faili 20· Hufutwa baada ya dakika 30
Faili huchakatwa kwenye seva zetu na kufutwa baada ya dakika 30.
Kwa kurasa zenye lugha mbili zilizochanganywa, mfano Kihindi chenye maneno ya Kiingereza. Acha kwenye hakuna vinginevyo; lugha ya ziada hupunguza kidogo usahihi.
Hifadhi huweka safu wima, aya na majedwali mahali yalipokuwa. Matupu hutoa kipande kimoja kinachoendelea cha maandishi, rahisi kubandika kwenye fomu.
Kwa PDF na TIFF za kurasa nyingi: soma kila ukurasa, wa kwanza tu, au safu ya kurasa.
Kurasa za kusoma, mfano 1-3, 5, 8-10.
Jinsi ya kutumia zana hii
- 1
Pakia ukurasa wa Kihindi
Ongeza picha za JPG, PNG, HEIC au TIFF, au PDF, hadi faili 20 zenye ukubwa wa hadi 95 MB kila moja. Picha kali na iliyonyooka ya ukurasa, iliyopigwa mchana, husomeka vizuri zaidi.
- 2
Ongeza Kiingereza ikiwa ukurasa una lugha zote mbili
Lugha ya hati ni Kihindi. Ikiwa ukurasa pia una maneno ya Kiingereza, majina au misimbo, weka Tambua pia kuwa Kiingereza chini ya Mipangilio ya hali ya juu; vinginevyo iache bila lugha yoyote.
- 3
Tambua maandishi
Bonyeza Tambua maandishi kisha pakua faili ya .txt, au chagua Word au PDF inayotafutika chini ya Matokeo kabla ya kuanza.
OCR ya Kihindi inapaswa kusoma mstari mzima, si mfuatano wa herufi tofauti: mstari wa juu huunganisha kila herufi katika neno, alama za irabu huwekwa juu, chini na kabla ya konsonanti, na konsonanti huungana kuwa viunganishi.
Jinsi OCR ya Kihindi inavyosoma hati ya Devanagari
Kihindi huandikwa kwa Devanagari, ambayo Ibara ya 343 ya Katiba ya India inaitaja kuwa hati ya lugha rasmi ya Muungano. Unicode huipa kizuizi cha U+0900 hadi U+097F, na kila simu na kompyuta ya kisasa inaweza kuionyesha na kuiandika. Kuitambua kutoka kwenye picha ni jambo tofauti na kusoma maandishi ya Kilatini, kwa sababu hati hii imejengwa kwa namna tofauti.
Maneno hutundikwa kwenye mstari wa juu usiokatika, shirorekha, kwa hiyo herufi hugusana na haziwezi kutenganishwa kwa kutafuta mapengo. Irabu zinazofuata ya kwanza huandikwa kama matra zilizoambatishwa kwenye konsonanti. Konsonanti mbili au zaidi bila irabu katikati huungana kuwa kiunganishi kama क्ष, त्र au श्र. Injini za kisasa za OCR hushughulikia hili kwa kusoma mistari mizima kwa mitandao ya neva iliyofunzwa kwa maandishi ya Kihindi; injini huria ya Tesseract, kwa mfano, ina modeli maalum ya Kihindi pamoja na ya jumla ya Devanagari.
Ndiyo maana kuchagua Lugha ya hati ni muhimu zaidi kwa Kihindi kuliko kwa lugha nyingi za Ulaya. Kiingereza kikichaguliwa, ukurasa wa Kihindi hutoa maandishi yasiyo na maana; Kihindi kikichaguliwa, injini hutarajia maumbo ya Devanagari, hutumia mifumo ya tahajia ya Kihindi na huandika matokeo kwa mpangilio sahihi wa Unicode. Kwa muhtasari mpana wa lugha na matokeo, tazama kibadilishaji picha kuwa maandishi.
Sifa za Devanagari zinazofanya kubadilisha picha ya Kihindi kuwa maandishi kuwa kugumu zaidi
| Kipengele | Mfano | Maana yake kwa OCR |
|---|---|---|
| Shirorekha (mstari wa juu) | हिन्दी | Herufi za neno zimeunganishwa, kwa hiyo injini husoma umbo la neno zima badala ya herufi moja moja |
| Matra inayoandikwa kwanza | कि | Alama ya i ि huchorwa kabla ya क lakini huhifadhiwa baada yake katika Unicode, kwa hiyo mpangilio wa kuonekana lazima ugeuzwe |
| Viunganishi vyenye halant | क्ष, ज्ञ, द्ध | Konsonanti mbili pamoja na virama ् huonekana kama umbo moja lililoungana linalolingana na nukta tatu za msimbo |
| Nukta | ज़, फ़ | Nukta ndogo chini ya herufi; ubora wa chini au kelele huweza kuiondoa au kuiongeza kwa urahisi |
| Anusvara na chandrabindu | हं, हँ | Alama ndogo juu ya mstari wa juu ambazo hufifia kwanza katika picha zilizobanwa |
| Tarakimu za Devanagari | ०१२३ | Hati nyingi huzichanganya na 0–9, na zote mbili hubaki kama zilivyochapishwa |
Kruti Dev na fonti nyingine za zamani za Kihindi
Hati nyingi za zamani za Kihindi ziliandikwa kwa fonti kama Kruti Dev zinazoweka maumbo ya Devanagari kwenye misimbo ya kibodi ya Kiingereza. Huonekana sawa skrini lakini si maandishi halisi ya Kihindi, kwa hiyo kunakili, kutafuta na kukagua tahajia hakufanyi kazi. Matokeo ya OCR huwa Unicode daima; ikiwa jaribio la kuandika au kiolezo cha ofisi bado kinahitaji Kruti Dev, hilo linahitaji ubadilishaji tofauti wa Unicode kuwa Kruti Dev.
Kupata maandishi sahihi ya Kihindi kutoka picha au skani
Alama ndogo huamua usahihi katika Kihindi. Nukta au chandrabindu ina urefu wa pikseli chache tu, na ni kitu cha kwanza kupotea katika picha isiyo wazi au iliyobanwa sana. Skani kwa 300 DPI au piga picha ya ukurasa ili ujaze fremu, na tuma faili asili badala ya nakala iliyotumwa kupitia programu ya gumzo.
Nyoosha kurasa ni muhimu zaidi kuliko kawaida, kwa sababu mstari wa juu uliopinda huvunja mstari ambao injini hufuata. Iache imewashwa, na washa Ongeza utofautishaji kwa karatasi za magazeti zilizofifia, fomu za zamani za serikali au picha zilizopigwa kwenye mwanga hafifu. Acha Tambua pia bila lugha yoyote kwa kurasa za Kihindi pekee; lugha ya pili hupunguza usahihi kidogo isipohitajika.
Maswali kuhusu OCR ya Kihindi
Je, OCR ya Kihindi inaweza kusoma hati iliyoandikwa kwa Kruti Dev?
Ndiyo. OCR husoma maumbo ya herufi yaliyochapishwa kwenye ukurasa, si faili ya fonti iliyo nyuma yake, hivyo nakala iliyochapishwa au skani ya hati ya Kruti Dev hutambuliwa kama maandishi mengine yoyote ya Kihindi. Matokeo ni Unicode Devanagari ya kawaida, si mibonyezo ya kibodi ya Kruti Dev.
Kwa nini maandishi ya Kihindi ninayonakili kutoka PDF yangu yanageuka kuwa herufi za Kiingereza zisizo na maana?
PDF hiyo ilitengenezwa kwa fonti ya zamani inayohifadhi maumbo ya Devanagari kwenye misimbo ya herufi za Kilatini, kwa hiyo kunakili kunakupa misimbo hiyo, kwa mfano fgUnh badala ya हिन्दी. Kupitisha kurasa kwenye OCR hupuuza misimbo hiyo na husoma kinachoonekana. OCR PDF pia inaweza kurudisha safu sahihi ya maandishi kwenye PDF.
Nitumie fonti gani kuonyesha maandishi ya Kihindi yaliyotolewa?
Fonti yoyote ya Unicode inayounga mkono Devanagari. Windows ina Mangal na Nirmala UI, Mac na iPhone pia zina fonti za Devanagari, na Noto Sans Devanagari ya Google ni bure. Ukiona visanduku tupu, programu inatumia fonti isiyo na Devanagari, si faili iliyoharibika.
Je, inaweza kusoma Kihindi kilichoandikwa kwa mkono?
Weka Aina ya maandishi kuwa Mwandiko kwa maandishi na fomu zilizoandikwa kwa mkono kwa unadhifu; matokeo ni hafifu kuliko ya maandishi yaliyochapishwa na yanahitaji kusahihishwa kwa makini. Mwandiko wa haraka na uliounganishwa wenye mstari wa juu usio sawa ndio mgumu zaidi.
Je, OCR ya Kihindi inafanya kazi pia kwa Kimarathi, Kinepali au Kisanskriti?
Lugha hizi hutumia hati moja ya Devanagari, kwa hiyo maandishi mengi hutambuliwa, lakini msamiati na herufi chache hutofautiana. Kimarathi kina chaguo lake chini ya Lugha ya hati, ambalo hushughulikia herufi kama ळ vizuri zaidi; kwa Kinepali na Kisanskriti, Kihindi ndicho chaguo la karibu zaidi na kusahihisha ni muhimu zaidi.
