OCR

OCR získává text z obrázků, skenů a snímků obrazovky dokumentů.

Po rozpoznání můžete výsledek zkopírovat, exportovat jako Markdown, PDF nebo Word, případně více formátů zabalit dohromady ke stažení.

Co OCR umí

Funkce	Popis
Rozpoznávání textu v obrázcích	Získává text z obrázků, snímků obrazovky 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 zkopíruje rozpoznaný text.
Export souborů	Exportuje Markdown, PDF a Word.
Hromadné balení	Po rozpoznání více souborů stáhne výsledky jako balíček.

Nejdřív nastavte služby OCR

Otevřete:

System Settings -> Other Settings -> OCR

Vyplňte přihlašovací údaje ke službám, 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. Servisní účet JSON slouží pouze k dotazu na kvótu.	Užitečné, pokud používáte služby Google Cloud.

Po vyplnění přihlašovacích 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 servisní účet, udělit roli Monitoring Viewer, potom stáhnout servisní účet 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 ImgHost.
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 servisní účet, například vision-monitor.
4. Udělte mu roli Monitoring Viewer.
5. Otevřete detail servisního účtu a vytvořte klíč.
6. Vyberte JSON.
7. Stáhněte vygenerovaný soubor JSON.
8. Vraťte se do ImgHost a importujte ho jako servisní účet JSON (volitelné).
9. Po úspěšném importu klikněte na dotaz na kvótu.

Po importu ImgHost zobrazí název projektu, ke kterému servisní účet patří. Při dotazu na využití čte ImgHost data sledování Google a zobrazí počet volání za tento měsíc.

Stručně:

Položka	Účel
Google Vision API Key	Provádí rozpoznávání OCR.
Servisní účet JSON	Dotazuje se, kolik volání Google Vision bylo použito.
Role Monitoring Viewer	Umožňuje servisnímu účtu číst data o využití.

Získání Baidu PaddleOCR Token

Baidu PaddleOCR vyžaduje přístupový token.

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

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

Spuštění rozpoznávání

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

V dialogu vyberte službu rozpoznávání a model.

Běžné volby modelů 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 stránky dokumentů 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 sklonem.
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 snímků obrazovky ponechte voleb minimum. U skenů dokumentů zapněte více voleb souvisejících s dokumenty.

Zobrazení výsledků

Po dokončení rozpoznávání dialog zobrazí výsledek.

Můžete ho zkopírovat přímo nebo vybrat exportní formáty.

U stránek dokumentů může exportovaný PDF zachovat vzhled stránky a zároveň udržet text vyhledatelný. To se hodí pro archivaci skenů a pozdější vyhledávání obsahu.

Výběr exportního formátu

Formát	Nejvhodnější pro
Markdown (.md)	Poznámky, dokumentační systémy a pozdější úpravy.
PDF (.pdf)	Zachování vzhledu stránky a výsledků skenovaných dokumentů.
Word (.docx)	Další úpravy rozložení, úpravy textu a předání ostatním.
Exportovat vše	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 rozpoznávání závisí na čitelnosti původního obrázku, volbě modelu a složitosti dokumentu.

Nejlepší typy souborů pro OCR

Typ souboru	Doporučení
Čitelné snímky obrazovky	Rozpoznávejte přímo.
Skeny	Preferujte PP-StructureV3.
Fotografované dokumenty	Zapněte korekci orientace a narovnání dokumentu.
Tabulky, vzorce, razítka	Preferujte strukturované modely.
Jednoduché obrázky s krátkým textem	PP-OCRv5 obvykle stačí.

Čitelnější obrázky s rovnějším textem obvykle dávají lepší výsledky.

Běžné případy

Případ	Význam
Rozpoznávání selže	Zkontrolujte, že je token nebo klíč služby uložený.
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 rozpoznávání. 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. Servisní účet JSON byl importován.
2. Servisní účet má roli Monitoring Viewer.
3. Cloud Vision API je v projektu zapnutá.

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

Rychlý postup

Open System Settings
-> Open Other Settings
-> Fill OCR service credentials
-> Save
-> Return to File Management
-> Select a file and click OCR
-> Choose a model
-> Wait for recognition
-> Copy results or export Markdown / PDF / Word