OCR

OCR získává text z obrázků, skenů a snímků dokumentů.

Po rozpoznání můžete výsledek zkopírovat, exportovat jako Markdown, PDF nebo Word, případně stáhnout více formátů společně jako balíček.

Co OCR umí

Funkce	Popis
Rozpoznávání textu v obrázku	Získává text z obrázků, screenshotů a skenů.
Rozpoznávání rozložení dokumentu	Vhodnější pro tabulky, vzorce, razítka a smíšená textově-obrazová rozložení.
Více služeb	Podporuje Baidu PaddleOCR, Microsoft Azure Vision a Google Vision.
Kopírování výsledků	Po zpracování lze zkopírovat rozpoznaný text.
Export souborů	Exportuje Markdown, PDF a Word.
Hromadné balení	Po rozpoznání více souborů stáhne výsledky jako balíček.

Nejdřív nastavte OCR služby

Otevřete:

System Settings -> Other Settings -> OCR

Vyplňte přihlašovací údaje služeb, které chcete použít:

Služba	Co zadat	Nejvhodnější pro
Baidu PaddleOCR	PaddleOCR Token	Doporučená první volba. Dobré pro dokumenty, obrázky, tabulky a smíšená rozložení.
Microsoft Azure Vision	Azure Vision Endpoint a Azure Vision API Key	Užitečné, pokud už používáte cloudové služby Microsoft.
Google Vision	Google Vision API Key. Service account JSON slouží jen pro dotaz na kvótu.	Užitečné, pokud používáte Google Cloud.

Po vyplnění údajů uložte.

Pro první test stačí nastavit jednu službu. Není nutné mít všechny tři.

Nastavení Google Vision

Nastavení Google má dvě části:

Cíl	Požadavek
Použít OCR	Zapnout Cloud Vision API, potom vytvořit API Key.
Dotaz na využití	Vytvořit service account, přidat roli Monitoring Viewer, potom stáhnout service account JSON.

Použití Google pro OCR

1. Otevřete Google Cloud Console.
2. Přejděte do APIs & Services.
3. Otevřete Library, vyhledejte Cloud Vision API a zapněte ji.
4. Vraťte se do Credentials.
5. Vytvořte API Key.
6. Otevřete API Key a zkopírujte ho.
7. Vložte ho do Google Vision API Key v ImgBed.
8. Uložte.

Potom můžete v dialogu OCR zvolit Google Vision.

Dotaz na využití Google

Dotaz na kvótu není nutný pro samotné rozpoznávání.

Pouze přibližně ukáže, kolik volání Google Vision bylo použito za posledních 30 dní.

1. V Google Cloud Console otevřete IAM & Admin.
2. Otevřete Service Accounts.
3. Vytvořte service account, například vision-monitor.
4. Přidejte mu roli Monitoring Viewer.
5. Otevřete detail service account a vytvořte klíč.
6. Vyberte JSON.
7. Stáhněte vygenerovaný JSON soubor.
8. Vraťte se do ImgBed a importujte ho jako service account JSON (volitelné).
9. Po úspěšném importu klikněte na dotaz na kvótu.

Po importu ImgBed ukáže název projektu, ke kterému service account patří. Při dotazu na využití čte Google monitoring data a ukáže počet volání za tento měsíc.

Stručně:

Položka	Účel
Google Vision API Key	Provádí OCR rozpoznávání.
Service account JSON	Dotazuje, kolik volání Google Vision bylo použito.
Role Monitoring Viewer	Umožní service account číst data využití.

Získání Baidu PaddleOCR tokenu

Baidu PaddleOCR vyžaduje access token.

Na stránce Baidu PaddleOCR otevřete okno volání API, klikněte na získání tokenu a zkopírujte ho.

Vraťte se do ImgBed, vložte ho do PaddleOCR Token a uložte.

Spuštění rozpoznávání

Ve Správě souborů vyberte obrázek nebo snímek dokumentu a klikněte na OCR.

V dialogu vyberte službu a model rozpoznávání.

Běžné modely PaddleOCR:

Model	Nejvhodnější pro
PP-StructureV3	Doporučený výchozí model. Dobré pro dokumenty, tabulky, vzorce, razítka a smíšená rozložení.
PP-OCRv5	Jednoduché obrázky, běžný text a lehké rozpoznávání.
PaddleOCR-VL	Vícejazyčné, složité obrázky a obsah podobný grafům.
PaddleOCR-VL-1.5	Složitější dokumentové stránky a obnovu rozložení.

Pokud si nejste jistí, začněte s PP-StructureV3.

Pokročilé volby

Volba	Popis
Korekce orientace	Použijte, když je obrázek otočený nebo nakloněný.
Narovnání dokumentu	Použijte pro fotografované dokumenty se zakřivením nebo perspektivou.
Detekce rozložení	Použijte, když chcete zachovat nadpisy, odstavce, tabulky a strukturu obrázku.
Rozpoznávání grafů	Použijte, když obrázek obsahuje grafy nebo složité struktury.
Vylepšit Markdown	Zpřehlední exportovaný Markdown.

U běžných screenshotů nechte voleb minimum. U skenů dokumentů zapněte víc dokumentových voleb.

Zobrazení výsledků

Po dokončení rozpoznávání dialog ukáže výsledek.

Můžete ho zkopírovat přímo nebo vybrat exportní formáty.

U dokumentových stránek může exportovaný PDF zachovat vzhled stránky a zároveň udržet text vyhledatelný. Hodí se to pro archivaci skenů a pozdější hledání obsahu.

Výběr exportního formátu

Formát	Nejvhodnější pro
Markdown (.md)	Poznámky, dokumentační systémy a pozdější úpravy.
PDF (.pdf)	Zachování vzhledu stránky a výsledků skenu.
Word (.docx)	Další úpravy rozložení, textu a předání ostatním.
Export všeho	Uloží více formátů a původní obrázek, vhodné pro důležité archivy.

Pokud potřebujete jen text, exportujte Markdown.

Pokud potřebujete vzhled stránky, použijte PDF nebo Word.

Výstup Word

Exportované dokumenty Word lze otevřít a upravovat v kancelářském softwaru.

Některé dokumenty ve výstupu Word obsahují rozpoznané obrázky, nadpisy a odstavce.

Kvalita závisí na čitelnosti originálu, volbě modelu a složitosti dokumentu.

Nejlepší typy souborů pro OCR

Typ souboru	Doporučení
Čitelné screenshoty	Rozpoznávejte přímo.
Skeny	Preferujte PP-StructureV3.
Fotografované dokumenty	Zapněte korekci orientace a narovnání dokumentu.
Tabulky, vzorce, razítka	Preferujte strukturované modely.
Jednoduché krátké textové obrázky	PP-OCRv5 obvykle stačí.

Čitelnější obrázky s rovnějším textem obvykle dávají lepší výsledky.

Běžné případy

Případ	Význam
Rozpoznávání selže	Zkontrolujte, že token nebo key služby jsou uložené.
Rozpoznávání je pomalé	Složité dokumenty a velké obrázky trvají déle.
Tabulka je neúplná	Zkuste strukturovaný model.
Text obsahuje chyby	Rozmazání, odlesky a naklonění zvyšují chybovost. Zkuste čitelnější obrázek.
Výstup Word obsahuje mnoho obrázků	Strukturované modely mohou zachovat některé rozpoznané obrázky. Je to normální.

Dotaz na kvótu Google selže

Zkontrolujte:

1. Service account JSON byl importován.
2. Service account má roli Monitoring Viewer.
3. Cloud Vision API je v projektu zapnutá.

Pokud potřebujete jen OCR a ne dotaz na využití, můžete service account JSON ignorovat a vyplnit jen Google Vision API Key.

Rychlý postup

Otevřete System Settings
-> Otevřete Other Settings
-> Vyplňte údaje OCR služby
-> Uložte
-> Vraťte se do Správy souborů
-> Vyberte soubor a klikněte OCR
-> Vyberte model
-> Počkejte na rozpoznání
-> Zkopírujte výsledky nebo exportujte Markdown / PDF / Word