آن لائن OCR

آپٹیکل کریکٹر ریکگنیشن پرسنل کمپیوٹر سے بھی پرانی ہے: 1976 میں Kurzweil Reading Machine نابینا صارفین کو چھپی ہوئی کتابیں پڑھ کر سناتی تھی۔ اوپن سورس Tesseract انجن 1980 کی دہائی میں Hewlett-Packard میں شروع ہوا، 2005 میں اوپن سورس کیا گیا اور 2018 میں ورژن 4.0 کے ساتھ نیورل نیٹ ورک (LSTM) ریکگنائزر ملا۔ جدید انجن پہلے متن کے علاقے، پھر سطریں تلاش کرتے ہیں اور ہر سطر کو حرف بہ حرف کے بجائے ایک سلسلے کے طور پر پہچانتے ہیں، اسی لیے وہ تنگ فاصلوں اور لیگیچرز کو پرانے سافٹ ویئر سے بہتر سنبھالتے ہیں۔

نتیجے میں متن اور اس کی جگہیں ملتی ہیں۔ الفاظ کہیں پیسٹ کرنے ہوں تو سادہ متن (.txt) چنیں، لے آؤٹ برقرار رکھ کر ایڈٹ کرنے کے لیے Word (.docx)، اسکین جوں کا توں رکھنا ہو تو سرچ ایبل PDF، اور نوٹس اور دستاویزات کے لیے Markdown۔ طلبہ اسے پرانے پرچوں اور چھپے ہینڈ آؤٹس پر، دفاتر انوائسز اور خطوط پر، اور ڈیولپرز ایرر میسج کے اسکرین شاٹس پر چلاتے ہیں۔

OCR حروف کو پہچانتا ہے، مطلب کو نہیں۔ وہ یقین سے نہیں کہہ سکتا کہ کوئی سطر عنوان ہے یا کیپشن، مہر کے نیچے چھپا متن نہیں پڑھ سکتا، اور اسے اندازہ نہیں ہوتا کہ غلط پڑھا گیا عدد درست لگتا ہے یا نہیں۔ چارٹس، ڈایاگرام اور تصاویر کی وضاحت نہیں کی جاتی؛ صرف ان کے اندر چھپے الفاظ پڑھے جاتے ہیں۔ ریاضی کی علامتیں سادہ حروف کی شکل میں آتی ہیں، مساوات کی شکل میں نہیں۔

یہ مترجم بھی نہیں: نتیجہ اصل کی زبان میں ہوتا ہے۔ جس دستاویز میں پہلے سے اصل متن موجود ہو اس کے لیے OCR غلط ٹول ہے، کیونکہ PDF سے ٹیکسٹ موجود متن کو تیزی سے اور بغیر غلطی کے پڑھ لیتا ہے۔ جو اسکین PDF ہی رہنے چاہئیں ان کے لیے OCR PDF استعمال کریں، اور تصاویر سے Word آؤٹ پٹ کے لیے تصویر سے Word۔