OCR

OCR витягує текст із зображень, сканів і скриншотів документів.

Після розпізнавання можна скопіювати результат, експортувати його як Markdown, PDF або Word, або запакувати кілька форматів разом для завантаження.

Що може OCR

Можливість	Опис
Розпізнавання тексту на зображенні	Витягує текст із зображень, скриншотів і сканів.
Розпізнавання структури документа	Краще для таблиць, формул, печаток і змішаних text-image layouts.
Кілька сервісів	Підтримує Baidu PaddleOCR, Microsoft Azure Vision і Google Vision.
Копіювання результатів	Копіює розпізнаний текст після обробки.
Експорт файлів	Експортує Markdown, PDF і Word.
Batch packaging	Після розпізнавання кількох файлів можна завантажити результати пакетом.

Спочатку налаштуйте OCR-сервіси

Відкрийте:

System Settings -> Other Settings -> OCR

Заповніть credentials для сервісів, які хочете використовувати:

Сервіс	Що ввести	Найкраще підходить для
Baidu PaddleOCR	PaddleOCR Token	Рекомендований перший вибір. Добре працює з документами, зображеннями, таблицями та змішаними layout.
Microsoft Azure Vision	Azure Vision Endpoint і Azure Vision API Key	Корисно, якщо ви вже користуєтеся хмарними сервісами Microsoft.
Google Vision	Google Vision API Key. Service account JSON використовується лише для quota query.	Корисно, якщо ви користуєтеся Google Cloud.

Після заповнення credentials збережіть налаштування.

Для першого тесту можна налаштувати лише один сервіс. Усі три не потрібні.

Налаштування Google Vision

Налаштування Google має дві частини:

Мета	Вимога
Використовувати OCR	Увімкнути Cloud Vision API, потім створити API Key.
Запитувати usage	Створити service account, надати Monitoring Viewer, потім завантажити service account JSON.

Використання Google для OCR

1. Відкрийте Google Cloud Console.
2. Перейдіть до APIs & Services.
3. Відкрийте Library, знайдіть Cloud Vision API і ввімкніть його.
4. Поверніться до Credentials.
5. Створіть API Key.
6. Відкрийте API Key і скопіюйте його.
7. Вставте його в Google Vision API Key в ImgBed.
8. Збережіть.

Після цього в OCR-діалозі можна вибрати Google Vision.

Запит usage Google

Quota query не потрібен для самого розпізнавання.

Він лише приблизно показує, скільки викликів Google Vision було використано за останні 30 днів.

1. У Google Cloud Console відкрийте IAM & Admin.
2. Відкрийте Service Accounts.
3. Створіть service account, наприклад vision-monitor.
4. Надайте йому роль Monitoring Viewer.
5. Відкрийте деталі service account і створіть key.
6. Виберіть JSON.
7. Завантажте згенерований JSON-файл.
8. Поверніться до ImgBed і імпортуйте його в service account JSON (необов'язково).
9. Після успішного імпорту натисніть quota query.

Після імпорту ImgBed показує project name, якому належить service account. Під час запиту usage ImgBed читає Google monitoring data і показує кількість викликів за поточний місяць.

Коротко:

Елемент	Призначення
Google Vision API Key	Виконує OCR recognition.
Service account JSON	Запитує, скільки викликів Google Vision використано.
Monitoring Viewer role	Дозволяє service account читати usage data.

Отримання Baidu PaddleOCR Token

Baidu PaddleOCR потребує access token.

Відкрийте вікно виклику API на сторінці Baidu PaddleOCR, натисніть отримання token і скопіюйте його.

Поверніться до ImgBed, вставте його в PaddleOCR Token і збережіть.

Запуск розпізнавання

У File Management виберіть зображення або скриншот документа й натисніть OCR.

У діалозі виберіть service і model.

Поширені PaddleOCR models:

Model	Найкраще підходить для
PP-StructureV3	Рекомендовано типово. Добре для документів, таблиць, формул, печаток і змішаних layout.
PP-OCRv5	Прості зображення, звичайний текст і легке розпізнавання.
PaddleOCR-VL	Багатомовні, складні зображення та chart-like content.
PaddleOCR-VL-1.5	Складніші сторінки документів і відновлення layout.

Якщо не впевнені, почніть із PP-StructureV3.

Advanced Options

Опція	Опис
Orientation correction	Використовуйте, коли зображення повернуте або перекошене.
Document flattening	Для сфотографованих документів із вигином або нахилом.
Layout detection	Коли потрібно зберегти headings, paragraphs, tables і структуру зображень.
Chart recognition	Коли зображення містить charts або складні структури.
Beautify Markdown	Робить експортований Markdown зручнішим для читання.

Для звичайних скриншотів залишайте мінімум опцій. Для сканів документів вмикайте більше document-related options.

Перегляд результатів

Після завершення розпізнавання діалог показує результат.

Його можна скопіювати напряму або вибрати формати експорту.

Для сторінок документів експортований PDF може зберігати вигляд сторінки й водночас залишати текст придатним для пошуку. Це зручно для архівування сканів і подальшого пошуку вмісту.

Вибір формату експорту

Формат	Найкраще для
Markdown (.md)	Нотатки, документаційні системи й подальше редагування.
PDF (.pdf)	Збереження вигляду сторінки та результатів сканованих документів.
Word (.docx)	Подальше редагування layout, зміна тексту й передача іншим.
Export all	Зберігає кілька форматів і оригінальне зображення, підходить для важливих архівів.

Якщо потрібен тільки текст, експортуйте Markdown.

Якщо важливий вигляд сторінки, використовуйте PDF або Word.

Word Output

Експортовані Word-документи можна відкривати й редагувати в office software.

Деякі документи містять розпізнані зображення, headings і paragraphs у Word output.

Якість розпізнавання залежить від чіткості оригіналу, вибору model і складності документа.

Найкращі типи файлів для OCR

Тип файлу	Рекомендація
Чіткі скриншоти	Розпізнавати напряму.
Скани	Краще PP-StructureV3.
Сфотографовані документи	Увімкнути orientation correction і document flattening.
Таблиці, формули, печатки	Краще structured models.
Прості короткі текстові зображення	PP-OCRv5 зазвичай достатньо.

Чіткіші зображення з рівнішим текстом зазвичай дають кращий результат.

Типові випадки

Випадок	Значення
Recognition fails	Перевірте, чи збережено service token або key.
Recognition is slow	Складні документи й великі зображення потребують більше часу.
Table is incomplete	Спробуйте structured model.
Text has mistakes	Розмиття, відблиски й перекіс збільшують помилки. Спробуйте чіткіше зображення.
Word output contains many images	Structured models можуть зберігати частину розпізнаних зображень. Це нормально.

Google Quota Query Fails

Перевірте:

1. Service account JSON імпортовано.
2. Service account має роль Monitoring Viewer.
3. Cloud Vision API увімкнено для проєкту.

Якщо потрібен лише OCR, а не usage query, service account JSON можна не використовувати й заповнити тільки Google Vision API Key.

Короткий сценарій

Відкрити System Settings
-> Відкрити Other Settings
-> Заповнити OCR service credentials
-> Зберегти
-> Повернутися до File Management
-> Вибрати файл і натиснути OCR
-> Вибрати model
-> Дочекатися recognition
-> Скопіювати результат або експортувати Markdown / PDF / Word