OCR

OCR извлекает текст из изображений, сканов и снимков экранов документов.

После распознавания можно скопировать результат, экспортировать его как Markdown, PDF или Word, либо упаковать несколько форматов вместе для скачивания.

Что может OCR

Возможность	Описание
Распознавание текста на изображениях	Извлекает текст из изображений, снимков экрана и сканов.
Распознавание макета документа	Лучше подходит для таблиц, формул, печатей и смешанных макетов с текстом и изображениями.
Несколько сервисов	Поддерживает Baidu PaddleOCR, Microsoft Azure Vision и Google Vision.
Копирование результатов	Копирует распознанный текст после обработки.
Экспорт файлов	Экспортирует Markdown, PDF и Word.
Пакетная упаковка	После распознавания нескольких файлов позволяет скачать результаты одним пакетом.

Сначала настройте сервисы OCR

Откройте:

System Settings -> Other Settings -> OCR

Заполните учетные данные для сервисов, которые хотите использовать:

Сервис	Что указать	Лучше всего подходит для
Baidu PaddleOCR	PaddleOCR Token	Рекомендуемый первый вариант. Хорошо подходит для документов, изображений, таблиц и смешанных макетов.
Microsoft Azure Vision	Azure Vision Endpoint и Azure Vision API Key	Полезно, если вы уже используете облачные сервисы Microsoft.
Google Vision	Google Vision API Key. JSON сервисной учетной записи используется только для запроса квоты.	Полезно, если вы используете сервисы Google Cloud.

Сохраните настройки после заполнения учетных данных.

Для первичного тестирования можно настроить только один сервис. Настраивать все три не нужно.

Настройка Google Vision

Настройка Google состоит из двух частей:

Цель	Требование
Использовать OCR	Включить Cloud Vision API, затем создать API Key.
Запрашивать использование	Создать сервисную учетную запись, выдать Monitoring Viewer, затем скачать JSON сервисной учетной записи.

Использование Google для OCR

1. Откройте Google Cloud Console.
2. Перейдите в APIs & Services.
3. Откройте Library, найдите Cloud Vision API и включите его.
4. Вернитесь в Credentials.
5. Создайте API Key.
6. Откройте API Key и скопируйте его.
7. Вставьте его в Google Vision API Key в ImgHost.
8. Сохраните.

После этого в диалоге OCR можно выбрать Google Vision.

Запрос использования Google

Запрос квоты не требуется для распознавания.

Он только приблизительно показывает, сколько вызовов Google Vision было использовано за последние 30 дней.

1. В Google Cloud Console откройте IAM & Admin.
2. Откройте Service Accounts.
3. Создайте сервисную учетную запись, например vision-monitor.
4. Назначьте ей роль Monitoring Viewer.
5. Откройте сведения о сервисной учетной записи и создайте ключ.
6. Выберите JSON.
7. Скачайте созданный JSON-файл.
8. Вернитесь в ImgHost и импортируйте его в JSON сервисной учетной записи (необязательно).
9. После успешного импорта нажмите запрос квоты.

После импорта ImgHost показывает имя проекта, которому принадлежит сервисная учетная запись. При запросе использования ImgHost считывает данные мониторинга Google и показывает количество вызовов за этот месяц.

Кратко:

Элемент	Назначение
Google Vision API Key	Выполняет OCR-распознавание.
JSON сервисной учетной записи	Запрашивает, сколько вызовов Google Vision было использовано.
Роль Monitoring Viewer	Позволяет сервисной учетной записи читать данные об использовании.

Получение токена Baidu PaddleOCR

Baidu PaddleOCR требует токен доступа.

Откройте окно вызова API на странице Baidu PaddleOCR, нажмите получение токена и скопируйте его.

Вернитесь в ImgHost, вставьте его в PaddleOCR Token и сохраните.

Запуск распознавания

В управлении файлами выберите изображение или снимок экрана документа и нажмите OCR.

В диалоге выберите сервис и модель распознавания.

Распространенные варианты моделей PaddleOCR:

Модель	Лучше всего подходит для
PP-StructureV3	Рекомендуется по умолчанию. Хорошо подходит для документов, таблиц, формул, печатей и смешанных макетов.
PP-OCRv5	Простые изображения, обычный текст и легкое распознавание.
PaddleOCR-VL	Многоязычные и сложные изображения, а также содержимое, похожее на диаграммы.
PaddleOCR-VL-1.5	Более сложные страницы документов и восстановление макета.

Если не уверены, начните с PP-StructureV3.

Расширенные параметры

Параметр	Описание
Коррекция ориентации	Используйте, когда изображение повернуто или перекошено.
Выравнивание документа	Используйте для сфотографированных документов с изгибом или наклоном.
Определение макета	Используйте, когда нужно сохранить структуру заголовков, абзацев, таблиц и изображений.
Распознавание диаграмм	Используйте, когда изображение содержит диаграммы или сложные структуры.
Улучшение Markdown	Делает экспортированный Markdown более удобным для чтения.

Для обычных снимков экрана оставляйте минимум параметров. Для сканов документов включайте больше параметров, связанных с документами.

Просмотр результатов

После завершения распознавания диалог показывает результат.

Его можно скопировать напрямую или выбрать форматы экспорта.

Для страниц документов экспортированный PDF может сохранять внешний вид страницы и оставлять текст доступным для поиска. Это полезно для архивирования сканов и последующего поиска содержимого.

Выбор формата экспорта

Формат	Лучше всего подходит для
Markdown (.md)	Заметки, системы документации и последующее редактирование.
PDF (.pdf)	Сохранение внешнего вида страницы и результатов сканирования документов.
Word (.docx)	Дальнейшее редактирование макета, изменение текста и передача другим людям.
Экспортировать все	Сохраняет несколько форматов и исходное изображение, подходит для важных архивов.

Если нужен только текст, экспортируйте Markdown.

Если нужно сохранить внешний вид страницы, используйте PDF или Word.

Результат Word

Экспортированные документы Word можно открывать и редактировать в офисных приложениях.

В результат Word для некоторых документов попадают распознанные изображения, заголовки и абзацы.

Качество распознавания зависит от четкости исходного изображения, выбора модели и сложности документа.

Лучшие типы файлов для OCR

Тип файла	Рекомендация
Четкие снимки экрана	Распознавайте напрямую.
Сканы	Предпочитайте PP-StructureV3.
Сфотографированные документы	Включите коррекцию ориентации и выравнивание документа.
Таблицы, формулы, печати	Предпочитайте структурированные модели.
Простые изображения с коротким текстом	PP-OCRv5 обычно достаточно.

Более четкие изображения с более ровным текстом обычно дают лучшие результаты.

Распространенные случаи

Случай	Значение
Распознавание не удалось	Проверьте, сохранен ли токен или ключ сервиса.
Распознавание идет медленно	Сложные документы и большие изображения требуют больше времени.
Таблица неполная	Попробуйте структурированную модель.
В тексте есть ошибки	Размытие, блики и перекос увеличивают ошибки распознавания. Попробуйте более четкое изображение.
Результат Word содержит много изображений	Структурированные модели могут сохранять часть распознанных изображений. Это нормально.

Сбой запроса квоты Google

Проверьте:

1. JSON сервисной учетной записи импортирован.
2. У сервисной учетной записи есть роль Monitoring Viewer.
3. Cloud Vision API включен для проекта.

Если вам нужен только OCR, а не запрос использования, можно не использовать JSON сервисной учетной записи и заполнить только Google Vision API Key.

Краткий порядок действий

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