OCR

OCR က images, scans, document screenshots ထဲက text ကို extract လုပ်ပါတယ်။

recognition ပြီးနောက် result ကို copy လုပ်နိုင်ပြီး Markdown, PDF, Word အဖြစ် export လုပ်နိုင်ပါတယ်။ formats အများကြီးကို package တစ်ခုအဖြစ် download လုပ်နိုင်ပါတယ်။

OCR က ဘာလုပ်နိုင်လဲ

Feature	Description
Image text recognition	images, screenshots, scans ထဲက text ကို extract လုပ်သည်။
Document layout recognition	tables, formulas, stamps, mixed text-image layouts အတွက်ပိုသင့်တော်သည်။
Multiple services	Baidu PaddleOCR, Microsoft Azure Vision, Google Vision support လုပ်သည်။
Copy results	processing ပြီးနောက် recognized text copy လုပ်နိုင်သည်။
Export files	Markdown, PDF, Word export လုပ်နိုင်သည်။
Batch packaging	files အများကြီး recognize ပြီးနောက် results ကို package အဖြစ် download လုပ်နိုင်သည်။

OCR Services ကိုအရင် Configure လုပ်ပါ

ဖွင့်ပါ:

System Settings -> Other Settings -> OCR

သုံးချင်တဲ့ services အတွက် credentials ဖြည့်ပါ:

Service	What To Enter	Best For
Baidu PaddleOCR	PaddleOCR Token	ပထမဦးဆုံးအကြံပြုသောရွေးချယ်မှု။ documents, images, tables, mixed layouts အတွက်ကောင်းသည်။
Microsoft Azure Vision	Azure Vision Endpoint နဲ့ Azure Vision API Key	Microsoft cloud services သုံးပြီးသားဖြစ်လျှင်အသုံးဝင်သည်။
Google Vision	Google Vision API Key။ Service account JSON ကို quota query အတွက်သာသုံးသည်။	Google Cloud services သုံးလျှင်အသုံးဝင်သည်။

credentials ဖြည့်ပြီးနောက် save လုပ်ပါ။

initial testing အတွက် service တစ်ခုပဲ configure လုပ်ရင်လုံလောက်ပါတယ်။ သုံးခုလုံးမလိုပါ။

Google Vision Setup

Google setup မှာ အပိုင်းနှစ်ပိုင်းရှိပါတယ်:

Goal	Requirement
OCR သုံးရန်	Cloud Vision API enable လုပ်ပြီး API Key ဖန်တီးပါ။
usage query လုပ်ရန်	service account ဖန်တီးပါ၊ Monitoring Viewer grant လုပ်ပါ၊ service account JSON download လုပ်ပါ။

Google ကို OCR အတွက်သုံးခြင်း

1. Google Cloud Console ကိုဖွင့်ပါ။
2. APIs & Services ကိုသွားပါ။
3. Library ကိုဖွင့်ပြီး Cloud Vision API ရှာကာ enable လုပ်ပါ။
4. Credentials ကိုပြန်သွားပါ။
5. API Key ဖန်တီးပါ။
6. API Key ကိုဖွင့်ပြီး copy လုပ်ပါ။
7. ImgBed ထဲက Google Vision API Key မှာ paste လုပ်ပါ။
8. Save လုပ်ပါ။

ပြီးရင် OCR dialog မှာ Google Vision ကိုရွေးနိုင်ပါပြီ။

Google Usage Query

Quota query က recognition အတွက် required မဟုတ်ပါ။

ပြီးခဲ့တဲ့ 30 days အတွင်း Google Vision calls ဘယ်လောက်သုံးထားလဲဆိုတာ rough count ပြတာပါ။

1. Google Cloud Console မှာ IAM & Admin ကိုဖွင့်ပါ။
2. Service Accounts ကိုဖွင့်ပါ။
3. service account ဖန်တီးပါ၊ ဥပမာ vision-monitor။
4. Monitoring Viewer role ပေးပါ။
5. service account details ကိုဖွင့်ပြီး key ဖန်တီးပါ။
6. JSON ရွေးပါ။
7. generated JSON file ကို download လုပ်ပါ။
8. ImgBed ကိုပြန်သွားပြီး service account JSON အောက်မှာ import လုပ်ပါ (optional)။
9. import အောင်မြင်ပြီးနောက် quota query ကိုနှိပ်ပါ။

import ပြီးနောက် ImgBed က service account ပိုင်တဲ့ project name ကိုပြပါမယ်။ usage query လုပ်တဲ့အခါ ImgBed က Google monitoring data ကိုဖတ်ပြီး ဒီလရဲ့ call count ကိုပြပါမယ်။

အတိုချုပ်:

Item	Purpose
Google Vision API Key	OCR recognition လုပ်သည်။
Service account JSON	Google Vision calls သုံးစွဲမှု query လုပ်သည်။
Monitoring Viewer role	service account ကို usage data ဖတ်ခွင့်ပေးသည်။

Baidu PaddleOCR Token ရယူပါ

Baidu PaddleOCR က access token လိုပါတယ်။

Baidu PaddleOCR page မှာ API call window ဖွင့်ပါ၊ token ရယူရန် click လုပ်ပြီး copy လုပ်ပါ။

ImgBed ကိုပြန်သွားပြီး PaddleOCR Token ထဲ paste လုပ်ကာ save လုပ်ပါ။

Recognition စတင်ခြင်း

File Management မှာ image သို့မဟုတ် document screenshot တစ်ခုရွေးပြီး OCR ကိုနှိပ်ပါ။

dialog မှာ recognition service နဲ့ model ရွေးပါ။

Common PaddleOCR model choices:

Model	Best For
PP-StructureV3	recommended default။ documents, tables, formulas, stamps, mixed layouts အတွက်ကောင်းသည်။
PP-OCRv5	simple images, ordinary text, lightweight recognition။
PaddleOCR-VL	multilingual, complex images, chart-like content။
PaddleOCR-VL-1.5	ပိုရှုပ်တဲ့ document pages နဲ့ layout recovery။

မသေချာလျှင် PP-StructureV3 နဲ့စပါ။

Advanced Options

Option	Description
Orientation correction	image လှည့်နေသို့မဟုတ် skewed ဖြစ်နေတဲ့အခါသုံးပါ။
Document flattening	photographed documents မှာ curvature သို့မဟုတ် tilt ရှိတဲ့အခါသုံးပါ။
Layout detection	headings, paragraphs, tables, image structure ကို preserve လုပ်ချင်တဲ့အခါသုံးပါ။
Chart recognition	image ထဲ charts သို့မဟုတ် complex structures ပါတဲ့အခါသုံးပါ။
Beautify Markdown	exported Markdown ကိုပိုဖတ်လွယ်စေသည်။

regular screenshots အတွက် options နည်းနည်းပဲထားပါ။ document scans အတွက် document-related options ပို enable လုပ်ပါ။

Results ကြည့်ခြင်း

recognition ပြီးနောက် dialog မှာ result ပြပါမယ်။

တိုက်ရိုက် copy လုပ်နိုင်သလို export formats ရွေးနိုင်ပါတယ်။

document pages အတွက် exported PDF က page appearance ကိုထိန်းထားပြီး text ကို searchable ဖြစ်စေနိုင်ပါတယ်။ scans archive လုပ်ရန်နဲ့ နောက်ပိုင်း content ရှာရန်အသုံးဝင်ပါတယ်။

Export Format ရွေးခြင်း

Format	Best For
Markdown (.md)	notes, documentation systems, later editing။
PDF (.pdf)	page appearance နဲ့ scanned document results ထိန်းရန်။
Word (.docx)	layout editing ဆက်လုပ်ရန်၊ text modification, handoff။
Export all	multiple formats နဲ့ original image သိမ်းရန်၊ important archives အတွက်သင့်တော်သည်။

text ပဲလိုလျှင် Markdown export လုပ်ပါ။

page appearance လိုလျှင် PDF သို့မဟုတ် Word သုံးပါ။

Word Output

exported Word documents တွေကို office software နဲ့ဖွင့်ပြီး edit လုပ်နိုင်ပါတယ်။

documents အချို့မှာ Word output ထဲ recognized images, headings, paragraphs ပါနိုင်ပါတယ်။

recognition quality က original image clarity, model choice, document complexity အပေါ်မူတည်ပါတယ်။

OCR အတွက်သင့်တော်တဲ့ File Types

File Type	Recommendation
Clear screenshots	တိုက်ရိုက် recognize လုပ်ပါ။
Scans	PP-StructureV3 ကိုဦးစားပေးပါ။
Photographed documents	orientation correction နဲ့ document flattening enable လုပ်ပါ။
Tables, formulas, stamps	structured models ကိုဦးစားပေးပါ။
Simple short text images	PP-OCRv5 ကများသောအားဖြင့်လုံလောက်သည်။

ပိုရှင်းတဲ့ images နဲ့ text ပိုတန်းတာက results ပိုကောင်းစေပါတယ်။

Common Cases

Case	Meaning
Recognition fails	service token သို့မဟုတ် key save လုပ်ထားလားစစ်ပါ။
Recognition slow	complex documents နဲ့ large images တွေကအချိန်ပိုယူပါတယ်။
Table incomplete	structured model တစ်ခုစမ်းပါ။
Text mistakes	blur, glare, skew တို့က errors တိုးစေပါတယ်။ clearer image စမ်းပါ။
Word output မှာ images များ	structured models က recognized images အချို့ကို preserve လုပ်နိုင်ပါတယ်။ ဒါက normal ဖြစ်ပါတယ်။

Google Quota Query Fail ဖြစ်သည်

စစ်ပါ:

1. Service account JSON import လုပ်ထားလား။
2. service account မှာ Monitoring Viewer role ရှိလား။
3. project အတွက် Cloud Vision API enabled ဖြစ်လား။

OCR ပဲလိုပြီး usage query မလိုလျှင် service account JSON ကိုထားခဲ့ပြီး Google Vision API Key ပဲဖြည့်နိုင်ပါတယ်။

Quick Flow

System Settings ဖွင့်ပါ
-> Other Settings ဖွင့်ပါ
-> OCR service credentials ဖြည့်ပါ
-> Save
-> File Management ကိုပြန်သွားပါ
-> file ရွေးပြီး OCR နှိပ်ပါ
-> model ရွေးပါ
-> recognition ပြီးအောင်စောင့်ပါ
-> results copy လုပ်ပါ သို့မဟုတ် Markdown / PDF / Word export လုပ်ပါ