OCR

OCR извлекает текст из изображений, сканов и скриншотов документов.

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

Что умеет OCR

Возможность	Описание
Распознавание текста на изображении	Извлекает текст из изображений, скриншотов и сканов.
Распознавание структуры документа	Лучше подходит для таблиц, формул, печатей и смешанных text-image layouts.
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.
Batch packaging	После распознавания нескольких файлов можно скачать результаты пакетом.

Сначала настройте OCR-сервисы

Откройте:

System Settings -> Other Settings -> OCR

Заполните credentials для сервисов, которые хотите использовать:

Сервис	Что ввести	Лучше всего подходит для
Baidu PaddleOCR	PaddleOCR Token	Рекомендуемый первый выбор. Хорошо работает с документами, изображениями, таблицами и смешанными layout.
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. Service account JSON используется только для quota query.	Полезно, если вы используете Google Cloud.

После заполнения credentials сохраните настройки.

Для первого теста можно настроить только один сервис. Все три не нужны.

Настройка Google Vision

Настройка Google состоит из двух частей:

Цель	Требование
Использовать OCR	Включить Cloud Vision API, затем создать API Key.
Запрашивать usage	Создать service account, выдать Monitoring Viewer, затем скачать service account JSON.

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 ImgBed.
8. Сохраните.

После этого в OCR-диалоге можно выбрать Google Vision.

Запрос usage Google

Quota query не нужен для самого распознавания.

Он только примерно 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 service account, например vision-monitor.
4. Выдайте ему роль Monitoring Viewer.
5. Откройте детали service account и создайте key.
6. Выберите JSON.
7. Скачайте созданный JSON-файл.
8. Вернитесь в ImgBed и импортируйте его в service account JSON (необязательно).
9. После успешного импорта нажмите quota query.

После импорта ImgBed показывает project name, которому принадлежит service account. При запросе usage ImgBed читает Google monitoring data и показывает количество вызовов за текущий месяц.

Коротко:

Элемент	Назначение
Google Vision API Key	Выполняет OCR recognition.
Service account JSON	Запрашивает, сколько вызовов Google Vision использовано.
Monitoring Viewer role	Позволяет service account читать usage data.

Получение Baidu PaddleOCR Token

Baidu PaddleOCR требует access token.

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

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

Запуск распознавания

В File Management выберите изображение или скриншот документа и нажмите OCR.

В диалоге выберите service и model.

Распространенные PaddleOCR models:

Model	Лучше всего подходит для
PP-StructureV3	Рекомендуется по умолчанию. Хорошо для документов, таблиц, формул, печатей и смешанных layout.
PP-OCRv5	Простые изображения, обычный текст и легкое распознавание.
PaddleOCR-VL	Многоязычные, сложные изображения и chart-like content.
PaddleOCR-VL-1.5	Более сложные страницы документов и восстановление layout.

Если не уверены, начните с PP-StructureV3.

Advanced Options

Опция	Описание
Orientation correction	Используйте, когда изображение повернуто или перекошено.
Document flattening	Для сфотографированных документов с изгибом или наклоном.
Layout detection	Когда нужно сохранить headings, paragraphs, tables и структуру изображений.
Chart recognition	Когда изображение содержит charts или сложные структуры.
Beautify Markdown	Делает экспортированный Markdown удобнее для чтения.

Для обычных скриншотов оставляйте минимум опций. Для сканов документов включайте больше document-related options.

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 при этом оставлять текст пригодным для поиска. Это удобно для архивирования сканов и дальнейшего поиска содержимого.

Выбор формата экспорта

Формат	Лучше всего для
Markdown (.md)	Заметки, документационные системы и дальнейшее редактирование.
PDF (.pdf)	Сохранение внешнего вида страницы и результатов сканированных документов.
Word (.docx)	Дальнейшее редактирование layout, изменение текста и передача другим.
Export all	Сохраняет несколько форматов и исходное изображение, подходит для важных архивов.

Если нужен только текст, экспортируйте Markdown.

Если важен внешний вид страницы, используйте PDF или Word.

Word Output

Экспортированные Word-документы можно открывать и редактировать в office software.

Некоторые документы содержат распознанные изображения, headings и paragraphs в Word output.

Качество распознавания зависит от четкости оригинала, выбора model и сложности документа.

Лучшие типы файлов для OCR

Тип файла	Рекомендация
Четкие скриншоты	Распознавать напрямую.
Сканы	Лучше PP-StructureV3.
Сфотографированные документы	Включить orientation correction и document flattening.
Таблицы, формулы, печати	Лучше structured models.
Простые короткие текстовые изображения	PP-OCRv5 обычно достаточно.

Более четкие изображения с ровным текстом обычно дают лучший результат.

Типичные случаи

Случай	Значение
Recognition fails	Проверьте, сохранен ли service token или key.
Recognition is slow	Сложные документы и большие изображения требуют больше времени.
Table is incomplete	Попробуйте structured model.
Text has mistakes	Размытие, блики и перекос увеличивают ошибки. Попробуйте более четкое изображение.
Word output contains many images	Structured models могут сохранять часть распознанных изображений. Это нормально.

Google Quota Query Fails

Проверьте:

1. Service account JSON импортирован.
2. Service account имеет роль Monitoring Viewer.
3. Cloud Vision API включен для проекта.

Если нужен только OCR, а не usage query, service account JSON можно не использовать и заполнить только Google Vision API Key.

Короткий сценарий

Открыть System Settings
-> Открыть Other Settings
-> Заполнить OCR service credentials
-> Сохранить
-> Вернуться в File Management
-> Выбрать файл и нажать OCR
-> Выбрать model
-> Дождаться recognition
-> Скопировать результат или экспортировать Markdown / PDF / Word