OCR

OCR extrahiert Text aus Bildern, Scans und Screenshots von Dokumenten.

Nach der Erkennung können Sie das Ergebnis kopieren, als Markdown, PDF oder Word exportieren oder mehrere Formate zusammen als Paket herunterladen.

Was OCR leisten kann

Funktion	Beschreibung
Bildtexterkennung	Extrahiert Text aus Bildern, Screenshots und Scans.
Erkennung von Dokumentlayout	Besser geeignet für Tabellen, Formeln, Stempel und gemischte Text-Bild-Layouts.
Mehrere Dienste	Unterstützt Baidu PaddleOCR, Microsoft Azure Vision und Google Vision.
Ergebnisse kopieren	Kopiert den erkannten Text nach der Verarbeitung.
Dateien exportieren	Exportiert Markdown, PDF und Word.
Stapelpaket	Nach der Erkennung mehrerer Dateien können Ergebnisse als Paket heruntergeladen werden.

OCR-Dienste zuerst konfigurieren

Öffnen Sie:

System Settings -> Other Settings -> OCR

Füllen Sie die Zugangsdaten für die Dienste aus, die Sie verwenden möchten:

Dienst	Was einzutragen ist	Am besten geeignet für
Baidu PaddleOCR	PaddleOCR Token	Empfohlene erste Wahl. Gut für Dokumente, Bilder, Tabellen und gemischte Layouts.
Microsoft Azure Vision	Azure Vision Endpoint und Azure Vision API Key	Nützlich, wenn Sie bereits Microsoft-Clouddienste verwenden.
Google Vision	Google Vision API Key. Dienstkonto-JSON wird nur für die Kontingentabfrage verwendet.	Nützlich, wenn Sie Google Cloud-Dienste verwenden.

Speichern Sie nach dem Eintragen der Zugangsdaten.

Für erste Tests reicht es, nur einen Dienst zu konfigurieren. Sie benötigen nicht alle drei.

Google Vision einrichten

Die Google-Einrichtung besteht aus zwei Teilen:

Ziel	Anforderung
OCR verwenden	Cloud Vision API aktivieren und anschließend einen API Key erstellen.
Nutzung abfragen	Dienstkonto erstellen, Monitoring Viewer zuweisen und anschließend das Dienstkonto-JSON herunterladen.

Google für OCR verwenden

1. Öffnen Sie Google Cloud Console.
2. Wechseln Sie zu APIs & Services.
3. Öffnen Sie Library, suchen Sie nach Cloud Vision API und aktivieren Sie sie.
4. Kehren Sie zu Credentials zurück.
5. Erstellen Sie einen API Key.
6. Öffnen Sie den API Key und kopieren Sie ihn.
7. Fügen Sie ihn in ImgHost unter Google Vision API Key ein.
8. Speichern Sie.

Danach können Sie Google Vision im OCR-Dialog auswählen.

Google-Nutzung abfragen

Die Kontingentabfrage ist für die Erkennung nicht erforderlich.

Sie zeigt nur grob an, wie viele Google Vision-Aufrufe in den letzten 30 Tagen verwendet wurden.

1. Öffnen Sie in Google Cloud Console IAM & Admin.
2. Öffnen Sie Service Accounts.
3. Erstellen Sie ein Dienstkonto, zum Beispiel vision-monitor.
4. Weisen Sie ihm die Rolle Monitoring Viewer zu.
5. Öffnen Sie die Details des Dienstkontos und erstellen Sie einen Schlüssel.
6. Wählen Sie JSON.
7. Laden Sie die erzeugte JSON-Datei herunter.
8. Kehren Sie zu ImgHost zurück und importieren Sie sie unter Dienstkonto-JSON (optional).
9. Klicken Sie nach erfolgreichem Import auf Kontingentabfrage.

Nach dem Import zeigt ImgHost den Projektnamen an, zu dem das Dienstkonto gehört. Bei der Nutzungsabfrage liest ImgHost Google-Monitoring-Daten und zeigt die Aufrufzahl dieses Monats an.

Kurz gesagt:

Element	Zweck
Google Vision API Key	Führt OCR-Erkennung aus.
Dienstkonto-JSON	Fragt ab, wie viele Google Vision-Aufrufe verwendet wurden.
Rolle Monitoring Viewer	Erlaubt dem Dienstkonto, Nutzungsdaten zu lesen.

Baidu PaddleOCR Token abrufen

Baidu PaddleOCR benötigt ein Zugriffstoken.

Öffnen Sie auf der Baidu PaddleOCR-Seite das API-Aufruffenster, klicken Sie zum Abrufen eines Tokens und kopieren Sie es.

Kehren Sie zu ImgHost zurück, fügen Sie es in PaddleOCR Token ein und speichern Sie.

Erkennung starten

Wählen Sie in der Dateiverwaltung ein Bild oder einen Dokument-Screenshot aus und klicken Sie auf OCR.

Wählen Sie im Dialog den Erkennungsdienst und das Modell aus.

Häufige PaddleOCR-Modellauswahlen:

Modell	Am besten geeignet für
PP-StructureV3	Empfohlener Standard. Gut für Dokumente, Tabellen, Formeln, Stempel und gemischte Layouts.
PP-OCRv5	Einfache Bilder, normaler Text und leichte Erkennung.
PaddleOCR-VL	Mehrsprachige, komplexe Bilder und diagrammartige Inhalte.
PaddleOCR-VL-1.5	Komplexere Dokumentseiten und Layout-Wiederherstellung.

Wenn Sie unsicher sind, beginnen Sie mit PP-StructureV3.

Erweiterte Optionen

Option	Beschreibung
Ausrichtungskorrektur	Verwenden, wenn das Bild gedreht oder schief ist.
Dokumentglättung	Für fotografierte Dokumente mit Wölbung oder Neigung verwenden.
Layouterkennung	Verwenden, wenn Überschriften, Absätze, Tabellen und Bildstruktur erhalten bleiben sollen.
Diagrammerkennung	Verwenden, wenn das Bild Diagramme oder komplexe Strukturen enthält.
Markdown verschönern	Macht exportiertes Markdown leichter lesbar.

Für normale Screenshots halten Sie die Optionen minimal. Für Dokumentenscans aktivieren Sie mehr dokumentbezogene Optionen.

Ergebnisse anzeigen

Nach Abschluss der Erkennung zeigt der Dialog das Ergebnis.

Sie können es direkt kopieren oder Exportformate auswählen.

Bei Dokumentseiten kann das exportierte PDF das Erscheinungsbild der Seite bewahren und den Text zugleich durchsuchbar halten. Das ist nützlich zum Archivieren von Scans und zum späteren Auffinden von Inhalten.

Exportformat auswählen

Format	Am besten geeignet für
Markdown (.md)	Notizen, Dokumentationssysteme und spätere Bearbeitung.
PDF (.pdf)	Bewahrung des Seitenbilds und von Ergebnissen gescannter Dokumente.
Word (.docx)	Weitere Layoutbearbeitung, Textänderungen und Übergabe an andere.
Alles exportieren	Speichert mehrere Formate und das Originalbild, geeignet für wichtige Archive.

Wenn Sie nur Text benötigen, exportieren Sie Markdown.

Wenn Sie das Seitenbild benötigen, verwenden Sie PDF oder Word.

Word-Ausgabe

Exportierte Word-Dokumente können mit Office-Software geöffnet und bearbeitet werden.

Einige Dokumente enthalten in der Word-Ausgabe erkannte Bilder, Überschriften und Absätze.

Die Erkennungsqualität hängt von der Klarheit des Originalbilds, der Modellwahl und der Komplexität des Dokuments ab.

Beste Dateitypen für OCR

Dateityp	Empfehlung
Klare Screenshots	Direkt erkennen.
Scans	PP-StructureV3 bevorzugen.
Fotografierte Dokumente	Ausrichtungskorrektur und Dokumentglättung aktivieren.
Tabellen, Formeln, Stempel	Strukturierte Modelle bevorzugen.
Einfache kurze Textbilder	PP-OCRv5 reicht normalerweise aus.

Klarere Bilder mit geraderem Text liefern normalerweise bessere Ergebnisse.

Häufige Fälle

Fall	Bedeutung
Erkennung schlägt fehl	Prüfen Sie, ob das Diensttoken oder der Schlüssel gespeichert wurde.
Erkennung ist langsam	Komplexe Dokumente und große Bilder benötigen mehr Zeit.
Tabelle ist unvollständig	Versuchen Sie ein strukturiertes Modell.
Text enthält Fehler	Unschärfe, Blendung und Schräglage erhöhen Erkennungsfehler. Versuchen Sie ein klareres Bild.
Word-Ausgabe enthält viele Bilder	Strukturierte Modelle können einige erkannte Bilder erhalten. Das ist normal.

Google-Kontingentabfrage schlägt fehl

Prüfen Sie:

1. Dienstkonto-JSON wurde importiert.
2. Das Dienstkonto hat die Rolle Monitoring Viewer.
3. Cloud Vision API ist für das Projekt aktiviert.

Wenn Sie nur OCR und keine Nutzungsabfrage benötigen, können Sie das Dienstkonto-JSON ignorieren und nur Google Vision API Key ausfüllen.

Schnellablauf

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