OCR

OCR متن را از images، scans و document screenshots استخراج می‌کند.

پس از recognition، می‌توانید result را copy کنید، به‌صورت Markdown، PDF یا Word export کنید، یا چند format را با هم package و download کنید.

OCR چه کارهایی می‌تواند انجام دهد

Feature	Description
Image text recognition	استخراج text از images، screenshots و scans.
Document layout recognition	مناسب‌تر برای tables، formulas، stamps و mixed text-image layouts.
Multiple services	پشتیبانی از Baidu PaddleOCR، Microsoft Azure Vision و Google Vision.
Copy results	copy کردن recognized text پس از processing.
Export files	export کردن Markdown، PDF و Word.
Batch packaging	پس از recognize کردن چند file، results را به‌صورت package download کنید.

ابتدا OCR Services را Configure کنید

باز کنید:

System Settings -> Other Settings -> OCR

credentials مربوط به services موردنیاز را وارد کنید:

Service	What To Enter	Best For
Baidu PaddleOCR	PaddleOCR Token	انتخاب پیشنهادی اول. مناسب documents، images، tables و mixed layouts.
Microsoft Azure Vision	Azure Vision Endpoint و Azure Vision API Key	اگر از Microsoft cloud services استفاده می‌کنید مفید است.
Google Vision	Google Vision API Key. Service account JSON فقط برای quota query استفاده می‌شود.	اگر از Google Cloud services استفاده می‌کنید مفید است.

بعد از پر کردن credentials، save کنید.

برای تست اولیه، configure کردن یک service کافی است. لازم نیست هر سه را داشته باشید.

Google Vision Setup

Google setup دو بخش دارد:

Goal	Requirement
استفاده از OCR	Cloud Vision API را enable کنید و سپس API Key بسازید.
query کردن usage	service account بسازید، Monitoring Viewer بدهید، سپس service account JSON را download کنید.

استفاده از Google برای OCR

1. Google Cloud Console را باز کنید.
2. به APIs & Services بروید.
3. Library را باز کنید، Cloud Vision API را جست‌وجو و enable کنید.
4. به Credentials برگردید.
5. API Key بسازید.
6. API Key را باز و copy کنید.
7. در ImgBed داخل Google Vision API Key paste کنید.
8. Save کنید.

بعد از آن می‌توانید Google Vision را در OCR dialog انتخاب کنید.

Query کردن Google Usage

Quota query برای recognition لازم نیست.

فقط حدوداً نشان می‌دهد در 30 روز گذشته چند Google Vision call استفاده شده است.

1. در Google Cloud Console، IAM & Admin را باز کنید.
2. Service Accounts را باز کنید.
3. service account بسازید، مثل vision-monitor.
4. role Monitoring Viewer را به آن بدهید.
5. جزئیات service account را باز کنید و key بسازید.
6. JSON را انتخاب کنید.
7. generated JSON file را download کنید.
8. به ImgBed برگردید و آن را زیر service account JSON import کنید (اختیاری).
9. پس از موفقیت import، quota query را بزنید.

پس از import، ImgBed نام project مالک service account را نشان می‌دهد. هنگام query usage، ImgBed Google monitoring data را می‌خواند و call count این ماه را نشان می‌دهد.

خلاصه:

Item	Purpose
Google Vision API Key	OCR recognition را اجرا می‌کند.
Service account JSON	تعداد Google Vision calls استفاده‌شده را query می‌کند.
Monitoring Viewer role	اجازه می‌دهد service account usage data را بخواند.

گرفتن Baidu PaddleOCR Token

Baidu PaddleOCR به access token نیاز دارد.

در صفحه Baidu PaddleOCR، پنجره API call را باز کنید، برای گرفتن token کلیک کنید و آن را copy کنید.

به ImgBed برگردید، داخل PaddleOCR Token paste کنید و save کنید.

شروع Recognition

در File Management، یک image یا document screenshot انتخاب کنید و OCR را بزنید.

در dialog، recognition service و model را انتخاب کنید.

مدل‌های رایج PaddleOCR:

Model	Best For
PP-StructureV3	default پیشنهادی. مناسب documents، tables، formulas، stamps و mixed layouts.
PP-OCRv5	simple images، ordinary text و lightweight recognition.
PaddleOCR-VL	multilingual، complex images و chart-like content.
PaddleOCR-VL-1.5	document pages پیچیده‌تر و layout recovery.

اگر مطمئن نیستید، با PP-StructureV3 شروع کنید.

Advanced Options

Option	Description
Orientation correction	وقتی image چرخیده یا skewed است.
Document flattening	برای photographed documents با curvature یا tilt.
Layout detection	وقتی می‌خواهید headings، paragraphs، tables و image structure حفظ شود.
Chart recognition	وقتی image شامل charts یا structures پیچیده است.
Beautify Markdown	exported Markdown را خواناتر می‌کند.

برای screenshots عادی، options را حداقلی نگه دارید. برای document scans، گزینه‌های مرتبط با document را بیشتر enable کنید.

مشاهده Results

پس از پایان recognition، dialog result را نشان می‌دهد.

می‌توانید آن را مستقیم copy کنید یا export formats را انتخاب کنید.

برای document pages، exported PDF می‌تواند ظاهر page را حفظ کند و text را searchable نگه دارد. برای archive کردن scans و پیدا کردن content بعداً مفید است.

انتخاب Export Format

Format	Best For
Markdown (.md)	notes، documentation systems و later editing.
PDF (.pdf)	حفظ ظاهر page و scanned document results.
Word (.docx)	ادامه layout editing، text modification و handoff به دیگران.
Export all	ذخیره multiple formats و original image، مناسب archives مهم.

اگر فقط text می‌خواهید، Markdown export کنید.

اگر ظاهر page مهم است، PDF یا Word استفاده کنید.

Word Output

exported Word documents با office software قابل باز کردن و edit هستند.

بعضی documents شامل recognized images، headings و paragraphs در Word output هستند.

recognition quality به original image clarity، model choice و document complexity بستگی دارد.

بهترین File Types برای OCR

File Type	Recommendation
Clear screenshots	مستقیم recognize کنید.
Scans	PP-StructureV3 را ترجیح دهید.
Photographed documents	orientation correction و document flattening را enable کنید.
Tables, formulas, stamps	structured models را ترجیح دهید.
Simple short text images	PP-OCRv5 معمولاً کافی است.

images واضح‌تر با text صاف‌تر معمولاً result بهتری می‌دهند.

Common Cases

Case	Meaning
Recognition fails	بررسی کنید service token یا key ذخیره شده باشد.
Recognition slow است	documents پیچیده و images بزرگ زمان بیشتری می‌برند.
Table incomplete است	یک structured model امتحان کنید.
Text mistakes دارد	blur، glare و skew خطا را زیاد می‌کنند. image واضح‌تر امتحان کنید.
Word output images زیادی دارد	structured models ممکن است بعضی recognized images را حفظ کنند. این عادی است.

Google Quota Query Fail می‌شود

بررسی کنید:

1. Service account JSON import شده باشد.
2. service account role Monitoring Viewer داشته باشد.
3. Cloud Vision API برای project enabled باشد.

اگر فقط OCR لازم دارید و usage query نمی‌خواهید، می‌توانید service account JSON را نادیده بگیرید و فقط Google Vision API Key را وارد کنید.

Quick Flow

System Settings را باز کنید
-> Other Settings را باز کنید
-> OCR service credentials را وارد کنید
-> Save
-> به File Management برگردید
-> file را انتخاب کنید و OCR را بزنید
-> model را انتخاب کنید
-> منتظر recognition بمانید
-> results را copy کنید یا Markdown / PDF / Word export کنید