Распознать текст с картинки (OCR)

Когда OCR действительно экономит время

Оптическое распознавание символов стоит пускать в ход каждый раз, когда вы собираетесь перепечатывать текст, который и так видите на экране. Типичные случаи:

• Скриншот сообщения об ошибке, фрагмента конфига или переписки, который нужно вставить в тикет или поисковик.
• Фото чека, номера счёта, заводской таблички или карточки с паролем от Wi-Fi.
• Отсканированная страница книги или договора, из которой нужны два абзаца, а не весь документ.
• Вывеска, меню или объявление на языке, который хочется прогнать через переводчик.

Для многостраничного скана лучше сделать PDF с поиском по тексту: так сохранится вёрстка, а поверх страниц появится скрытый текстовый слой.

Что происходит после загрузки изображения

Инструмент использует Tesseract — движок OCR с открытым исходным кодом, изначально созданный в HP и позже развивавшийся в Google. Он скомпилирован в WebAssembly и работает прямо во вкладке браузера. Применяется режим нейросети LSTM: она читает строку целиком, а не сопоставляет отдельные буквы.

Если по-простому:

1. Загружаются движок и обученные данные для выбранного языка. Браузер кеширует их, поэтому ждать приходится только при первом запуске.
2. Tesseract анализирует макет страницы, находит блоки и строки текста и разбивает строки на слова.
3. Каждая строка подаётся в нейросеть, которая выдаёт наиболее вероятные символы. Именно этот этап отображает индикатор прогресса.
4. У результата обрезаются пустые места в начале и в конце, после чего он появляется в текстовом поле: его можно скопировать или сохранить как файл .txt с именем вашего изображения.

Если выбран любой язык, кроме английского, английский автоматически подгружается вместе с ним. Скриншоты интерфейсов, названия продуктов, URL и код обычно набраны латиницей даже внутри русского или вьетнамского текста, и вторая модель не даёт им превратиться в кашу. Если сменить язык после распознавания, то же изображение будет обработано заново с новой настройкой — загружать его повторно не нужно.

Инструмент обрабатывает одно изображение за раз. Поддерживаются JPG, PNG, WebP и BMP размером до 30 МБ.

Как подготовить изображение, чтобы текст распознался чисто

Точность OCR зависит от исходника гораздо сильнее, чем от движка.

Важнее всего размер букв

Tesseract обучали на тексте, где заглавные буквы имеют высоту примерно от 20 до 40 пикселей. Это соответствует странице, отсканированной с разрешением около 300 DPI. Если буквы мельче, они сливаются, и движок начинает угадывать.

• Целая страница A4, снятая на 12-мегапиксельный телефон (около 4000×3000 px), даёт основной текст нормальной высоты. Та же страница в кадре видео 1280×720 — уже нет.
• Скриншот с телефона в родном разрешении обычно подходит. Скриншот, который ужал мессенджер, — часто нет; попросите оригинальный файл.
• Если текст занимает небольшую часть большого фото, обрежьте изображение до нужной области. Чем меньше фона, тем меньше ложных срабатываний.

Ровно, плоско и при равномерном свете

• Держите строки текста горизонтально. Наклон в несколько градусов движок переносит; от 10 градусов ошибок заметно больше, а текст, повёрнутый набок или вверх ногами, в основном не распознаётся.
• Фотографируйте страницы плашмя. Изогнутый корешок книги искривляет строки у переплёта, так что там ждите ошибок.
• Избегайте бликов на глянцевой бумаге и тени от телефона; боковой дневной свет работает лучше вспышки.
• Помогает высокий контраст: идеален тёмный текст на светлом фоне. Самый сложный случай — светло-серый текст на белом или текст поверх фотографии.

Критически проверяйте результат

Вычитайте текст, прежде чем вставлять его куда-то, где важна точность. Частые ошибки:

• 0 и O, 1, l и I, rn и m, 5 и S. В серийных номерах, кодах и паролях сверяйте эти символы по одному.
• Таблицы превращаются в строки слов через пробел, без структуры колонок. При необходимости скопируйте их в электронную таблицу и разделите по пробелам.
• В многоколоночной вёрстке строки соседних колонок могут перемешиваться; обрезайте по одной колонке за раз.
• Рукописный текст выходит за рамки того, на чём обучался Tesseract. Аккуратные печатные заглавные иногда распознаются, курсив — как правило, нет.

Пустой результат обычно означает, что движок не нашёл ничего похожего на текст: буквы слишком мелкие, слишком размытые или выбран язык с другой письменностью — например, латиница, когда на изображении кириллица.

Конфиденциальность

Распознавание выполняется на вашем устройстве, поэтому изображение никогда не загружается на сервер. Это делает инструмент подходящим для документов, которые не стоит отправлять третьим лицам: удостоверений личности, банковских выписок, внутренних скриншотов. Скорость зависит только от вашего устройства: обычный скриншот на ноутбуке обрабатывается за несколько секунд.