OCR

OCR images، scans، اور document screenshots سے text extract کرتا ہے۔

recognition کے بعد آپ result copy کر سکتے ہیں، اسے Markdown، PDF، یا Word کے طور پر export کر سکتے ہیں، یا multiple formats کو ایک package بنا کر download کر سکتے ہیں۔

OCR کیا کر سکتا ہے

Feature	Description
Image text recognition	images، screenshots، اور scans سے text extract کرتا ہے۔
Document layout recognition	tables، formulas، stamps، اور mixed text-image layouts کے لیے بہتر۔
Multiple services	Baidu PaddleOCR، Microsoft Azure Vision، اور Google Vision support کرتا ہے۔
Copy results	processing کے بعد recognized text copy کریں۔
Export files	Markdown، PDF، اور Word export کریں۔
Batch packaging	multiple files recognize ہونے کے بعد results کو package کے طور پر download کریں۔

پہلے OCR Services Configure کریں

کھولیں:

System Settings -> Other Settings -> OCR

جن services کو استعمال کرنا ہے ان کے credentials بھریں:

Service	What To Enter	Best For
Baidu PaddleOCR	PaddleOCR Token	recommended first choice۔ documents، images، tables، اور mixed layouts کے لیے اچھا۔
Microsoft Azure Vision	Azure Vision Endpoint اور Azure Vision API Key	اگر آپ پہلے سے Microsoft cloud services استعمال کرتے ہیں تو useful۔
Google Vision	Google Vision API Key۔ Service account JSON صرف quota query کے لیے استعمال ہوتا ہے۔	اگر آپ Google Cloud services استعمال کرتے ہیں تو useful۔

credentials بھرنے کے بعد save کریں۔

initial testing کے لیے صرف ایک service configure کرنا کافی ہے۔ تینوں ضروری نہیں۔

Google Vision Setup

Google setup کے دو parts ہیں:

Goal	Requirement
OCR استعمال کرنا	Cloud Vision API enable کریں، پھر API Key بنائیں۔
usage query کرنا	service account بنائیں، Monitoring Viewer grant کریں، پھر service account JSON download کریں۔

Google کو OCR کے لیے استعمال کرنا

1. Google Cloud Console کھولیں۔
2. APIs & Services میں جائیں۔
3. Library کھولیں، Cloud Vision API تلاش کریں، اور enable کریں۔
4. Credentials پر واپس جائیں۔
5. API Key بنائیں۔
6. API Key کھولیں اور copy کریں۔
7. ImgBed میں Google Vision API Key میں paste کریں۔
8. Save کریں۔

اس کے بعد OCR dialog میں Google Vision منتخب کیا جا سکتا ہے۔

Google Usage Query

Quota query recognition کے لیے required نہیں۔

یہ صرف تقریباً دکھاتا ہے کہ پچھلے 30 دنوں میں Google Vision calls کتنی استعمال ہوئیں۔

1. Google Cloud Console میں IAM & Admin کھولیں۔
2. Service Accounts کھولیں۔
3. service account بنائیں، مثلاً vision-monitor۔
4. اسے Monitoring Viewer role دیں۔
5. service account details کھولیں اور key بنائیں۔
6. JSON منتخب کریں۔
7. generated JSON file download کریں۔
8. ImgBed پر واپس آ کر اسے service account JSON کے تحت import کریں (optional)۔
9. import successful ہونے کے بعد quota query پر کلک کریں۔

import کے بعد ImgBed service account کے owning project کا نام دکھاتا ہے۔ usage query کرتے وقت ImgBed Google monitoring data پڑھ کر اس month کا call count دکھاتا ہے۔

مختصر:

Item	Purpose
Google Vision API Key	OCR recognition چلاتا ہے۔
Service account JSON	Google Vision calls کی usage query کرتا ہے۔
Monitoring Viewer role	service account کو usage data پڑھنے دیتا ہے۔

Baidu PaddleOCR Token حاصل کریں

Baidu PaddleOCR access token require کرتا ہے۔

Baidu PaddleOCR page پر API call window کھولیں، token لینے کے لیے click کریں، پھر اسے copy کریں۔

ImgBed پر واپس آ کر PaddleOCR Token میں paste کریں اور save کریں۔

Recognition شروع کریں

File Management میں image یا document screenshot منتخب کریں اور OCR پر کلک کریں۔

dialog میں recognition service اور model منتخب کریں۔

Common PaddleOCR model choices:

Model	Best For
PP-StructureV3	recommended default۔ documents، tables، formulas، stamps، اور mixed layouts کے لیے اچھا۔
PP-OCRv5	simple images، ordinary text، اور lightweight recognition۔
PaddleOCR-VL	multilingual، complex images، اور chart-like content۔
PaddleOCR-VL-1.5	زیادہ complex document pages اور layout recovery۔

یقین نہ ہو تو PP-StructureV3 سے شروع کریں۔

Advanced Options

Option	Description
Orientation correction	image rotated یا skewed ہو تو استعمال کریں۔
Document flattening	photographed documents میں curvature یا tilt ہو تو استعمال کریں۔
Layout detection	headings، paragraphs، tables، اور image structure preserve کرنا ہو تو استعمال کریں۔
Chart recognition	image میں charts یا complex structures ہوں تو استعمال کریں۔
Beautify Markdown	exported Markdown کو زیادہ readable بناتا ہے۔

regular screenshots کے لیے options minimal رکھیں۔ document scans کے لیے document-related options زیادہ enable کریں۔

Results دیکھیں

recognition finish ہونے کے بعد dialog result دکھاتا ہے۔

آپ اسے directly copy کر سکتے ہیں یا export formats منتخب کر سکتے ہیں۔

document pages کے لیے exported PDF page appearance preserve کر سکتا ہے جبکہ text searchable رہتا ہے۔ یہ scans archive کرنے اور بعد میں content تلاش کرنے کے لیے useful ہے۔

Export Format منتخب کرنا

Format	Best For
Markdown (.md)	notes، documentation systems، اور later editing۔
PDF (.pdf)	page appearance اور scanned document results preserve کرنا۔
Word (.docx)	layout editing، text modification، اور others کو handoff۔
Export all	multiple formats اور original image save کرتا ہے، important archives کے لیے مناسب۔

صرف text چاہیے ہو تو Markdown export کریں۔

page appearance چاہیے ہو تو PDF یا Word استعمال کریں۔

Word Output

exported Word documents office software میں open اور edit ہو سکتے ہیں۔

کچھ documents Word output میں recognized images، headings، اور paragraphs شامل کرتے ہیں۔

recognition quality original image clarity، model choice، اور document complexity پر depend کرتی ہے۔

OCR کے لیے بہترین File Types

File Type	Recommendation
Clear screenshots	directly recognize کریں۔
Scans	PP-StructureV3 کو ترجیح دیں۔
Photographed documents	orientation correction اور document flattening enable کریں۔
Tables, formulas, stamps	structured models کو ترجیح دیں۔
Simple short text images	PP-OCRv5 عموماً کافی ہے۔

زیادہ clear images اور سیدھا text عموماً بہتر results دیتے ہیں۔

Common Cases

Case	Meaning
Recognition fails	چیک کریں کہ service token یا key save ہو چکی ہے۔
Recognition slow ہے	complex documents اور large images زیادہ وقت لیتے ہیں۔
Table incomplete ہے	structured model try کریں۔
Text میں mistakes ہیں	blur، glare، اور skew errors بڑھاتے ہیں۔ clearer image try کریں۔
Word output میں بہت سی images ہیں	structured models کچھ recognized images preserve کر سکتے ہیں۔ یہ normal ہے۔

Google Quota Query Fail ہوتی ہے

چیک کریں:

1. Service account JSON import ہو چکا ہے۔
2. service account کے پاس Monitoring Viewer role ہے۔
3. project کے لیے Cloud Vision API enabled ہے۔

اگر آپ کو صرف OCR چاہیے اور usage query نہیں، تو service account JSON ignore کر کے صرف Google Vision API Key بھر سکتے ہیں۔

Quick Flow

System Settings کھولیں
-> Other Settings کھولیں
-> OCR service credentials بھریں
-> Save
-> File Management پر واپس جائیں
-> file منتخب کریں اور OCR پر کلک کریں
-> model منتخب کریں
-> recognition کا انتظار کریں
-> results copy کریں یا Markdown / PDF / Word export کریں