OCR

OCR wyodrębnia tekst z obrazów, skanów i zrzutów ekranu dokumentów.

Po rozpoznaniu możesz skopiować wynik, wyeksportować go jako Markdown, PDF lub Word, albo pobrać kilka formatów razem w pakiecie.

Co potrafi OCR

Funkcja	Opis
Rozpoznawanie tekstu z obrazu	Wyodrębnia tekst z obrazów, zrzutów ekranu i skanów.
Rozpoznawanie układu dokumentu	Lepsze dla tabel, formuł, pieczątek i mieszanych układów tekst-obraz.
Wiele usług	Obsługuje Baidu PaddleOCR, Microsoft Azure Vision i Google Vision.
Kopiowanie wyników	Pozwala skopiować rozpoznany tekst po przetworzeniu.
Eksport plików	Eksportuje Markdown, PDF i Word.
Pakowanie zbiorcze	Po rozpoznaniu wielu plików pobiera wyniki jako pakiet.

Najpierw skonfiguruj usługi OCR

Otwórz:

System Settings -> Other Settings -> OCR

Wypełnij dane usług, których chcesz użyć:

Usługa	Co wpisać	Najlepsze do
Baidu PaddleOCR	PaddleOCR Token	Zalecany pierwszy wybór. Dobry dla dokumentów, obrazów, tabel i mieszanych układów.
Microsoft Azure Vision	Azure Vision Endpoint i Azure Vision API Key	Przydatne, jeśli używasz już usług chmurowych Microsoft.
Google Vision	Google Vision API Key. Plik JSON konta usługi służy tylko do zapytania o limit.	Przydatne, jeśli używasz Google Cloud.

Po wpisaniu danych zapisz ustawienia.

Do pierwszego testu możesz skonfigurować tylko jedną usługę. Nie potrzebujesz wszystkich trzech.

Konfiguracja Google Vision

Konfiguracja Google ma dwie części:

Cel	Wymaganie
Używanie OCR	Włącz Cloud Vision API, potem utwórz API Key.
Zapytanie o użycie	Utwórz konto usługi, nadaj rolę Monitoring Viewer, potem pobierz plik JSON konta usługi.

Używanie Google do OCR

1. Otwórz Google Cloud Console.
2. Przejdź do APIs & Services.
3. Otwórz Library, wyszukaj Cloud Vision API i włącz.
4. Wróć do Credentials.
5. Utwórz API Key.
6. Otwórz klucz API i skopiuj go.
7. Wklej do Google Vision API Key w ImgHost.
8. Zapisz.

Potem możesz wybrać Google Vision w oknie OCR.

Zapytanie o użycie Google

Zapytanie o limit nie jest wymagane do rozpoznawania.

Pokazuje tylko orientacyjnie, ile wywołań Google Vision użyto w ostatnich 30 dniach.

1. W Google Cloud Console otwórz IAM & Admin.
2. Otwórz Service Accounts.
3. Utwórz konto usługi, np. vision-monitor.
4. Nadaj mu rolę Monitoring Viewer.
5. Otwórz szczegóły konta usługi i utwórz klucz.
6. Wybierz JSON.
7. Pobierz wygenerowany plik JSON.
8. Wróć do ImgHost i zaimportuj go jako plik JSON konta usługi (opcjonalnie).
9. Po udanym imporcie kliknij zapytanie o limit.

Po imporcie ImgHost pokazuje nazwę projektu, do którego należy konto usługi. Podczas zapytania odczytuje dane monitorowania Google i pokazuje liczbę wywołań w bieżącym miesiącu.

W skrócie:

Element	Cel
Google Vision API Key	Wykonuje rozpoznawanie OCR.
Plik JSON konta usługi	Odpytuje liczbę użytych wywołań Google Vision.
Rola Monitoring Viewer	Pozwala kontu usługi czytać dane użycia.

Pobieranie tokenu Baidu PaddleOCR

Baidu PaddleOCR wymaga tokenu dostępu.

Otwórz okno wywołania API na stronie Baidu PaddleOCR, kliknij pobranie tokenu i skopiuj go.

Wróć do ImgHost, wklej do PaddleOCR Token i zapisz.

Rozpoczęcie rozpoznawania

W Zarządzaniu plikami wybierz obraz lub zrzut ekranu dokumentu i kliknij OCR.

W oknie wybierz usługę rozpoznawania i model.

Popularne modele PaddleOCR:

Model	Najlepsze do
PP-StructureV3	Zalecany domyślnie. Dobry dla dokumentów, tabel, formuł, pieczątek i mieszanych układów.
PP-OCRv5	Proste obrazy, zwykły tekst i lekkie rozpoznawanie.
PaddleOCR-VL	Wielojęzyczne, złożone obrazy i treści podobne do wykresów.
PaddleOCR-VL-1.5	Bardziej złożone strony dokumentów i odtwarzanie układu.

Jeśli nie masz pewności, zacznij od PP-StructureV3.

Opcje zaawansowane

Opcja	Opis
Korekcja orientacji	Użyj, gdy obraz jest obrócony lub przekrzywiony.
Prostowanie dokumentu	Użyj dla fotografowanych dokumentów z krzywizną lub perspektywą.
Wykrywanie układu	Użyj, gdy chcesz zachować nagłówki, akapity, tabele i strukturę obrazu.
Rozpoznawanie wykresów	Użyj, gdy obraz zawiera wykresy lub złożone struktury.
Ulepsz Markdown	Sprawia, że eksportowany Markdown jest czytelniejszy.

Dla zwykłych zrzutów ekranu zostaw minimalne opcje. Dla skanów dokumentów włącz więcej opcji dokumentowych.

Wyniki

Po zakończeniu rozpoznawania okno pokaże wynik.

Możesz go skopiować bezpośrednio albo wybrać format eksportu.

Dla stron dokumentów eksportowany PDF może zachować wygląd strony i jednocześnie pozwolić na wyszukiwanie tekstu. To przydatne do archiwizacji skanów i późniejszego odnajdywania treści.

Wybór formatu eksportu

Format	Najlepsze do
Markdown (.md)	Notatki, systemy dokumentacji i późniejsza edycja.
PDF (.pdf)	Zachowanie wyglądu strony i wyników skanowania.
Word (.docx)	Dalsza edycja układu, modyfikacja tekstu i przekazanie innym.
Eksport wszystkiego	Zapisuje wiele formatów i oryginalny obraz, odpowiednie dla ważnych archiwów.

Jeśli potrzebujesz tylko tekstu, eksportuj Markdown.

Jeśli potrzebujesz wyglądu strony, użyj PDF lub Word.

Wynik Word

Wyeksportowane dokumenty Word można otwierać i edytować w pakietach biurowych.

Niektóre dokumenty zawierają w wyniku Word rozpoznane obrazy, nagłówki i akapity.

Jakość rozpoznania zależy od ostrości oryginału, wyboru modelu i złożoności dokumentu.

Najlepsze typy plików do OCR

Typ pliku	Rekomendacja
Wyraźne zrzuty ekranu	Rozpoznawaj bezpośrednio.
Skany	Preferuj PP-StructureV3.
Fotografowane dokumenty	Włącz korekcję orientacji i prostowanie dokumentu.
Tabele, formuły, pieczątki	Preferuj modele strukturalne.
Proste obrazy z krótkim tekstem	PP-OCRv5 zwykle wystarczy.

Wyraźniejsze obrazy z tekstem ustawionym bardziej prosto zwykle dają lepsze wyniki.

Typowe przypadki

Przypadek	Znaczenie
Rozpoznawanie się nie udaje	Sprawdź, czy token lub klucz usługi został zapisany.
Rozpoznawanie jest wolne	Złożone dokumenty i duże obrazy wymagają więcej czasu.
Tabela jest niepełna	Spróbuj modelu strukturalnego.
Tekst ma błędy	Rozmycie, odblaski i przekrzywienie zwiększają liczbę błędów. Spróbuj wyraźniejszego obrazu.
Wynik Word zawiera wiele obrazów	Modele strukturalne mogą zachować część rozpoznanych obrazów. To normalne.

Zapytanie o limit Google nie działa

Sprawdź:

1. Zaimportowano plik JSON konta usługi.
2. Konto usługi ma rolę Monitoring Viewer.
3. Cloud Vision API jest włączone dla projektu.

Jeśli potrzebujesz tylko OCR, a nie zapytania o użycie, możesz pominąć plik JSON konta usługi i wypełnić tylko Google Vision API Key.

Szybki schemat

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