איך להעתיק טקסט מתמונה או מסריקה בעברית
יש לכם צילום של מכתב, צילום מסך של הודעה או מסמך סרוק, וצריך את הטקסט שבו: להעתיק מספר, לצטט פסקה או לערוך. במקום להקליד הכול מחדש, אפשר לחלץ את הטקסט אוטומטית. הנה איך, ומה עושים כשהעברית יוצאת משובשת.
למה אי אפשר פשוט לסמן ולהעתיק
בתמונה או בסריקה אין טקסט, יש פיקסלים שנראים כמו אותיות. המחשב לא יודע שיש שם מילים. כדי להפוך אותן לטקסט אמיתי צריך OCR, זיהוי תווים אופטי, שמנתח את הצורות ומתרגם אותן לאותיות.
איך מחלצים טקסט
- פתחו את OCR בעברית.
- העלו את התמונה (JPG או PNG) או את ה-PDF הסרוק.
- בחרו שפה. לרוב המסמכים בישראל, עברית + אנגלית היא הבחירה הנכונה, כי יש בהם כמעט תמיד מילים באנגלית, כתובות מייל או שמות מוצרים.
- בחרו פלט: טקסט להעתקה מהירה, Word לעריכה, או PDF עם טקסט לחיפוש כדי לשמור על המראה המקורי.
למה עברית קשה יותר
זיהוי עברית מסובך יותר מאנגלית מכמה סיבות:
- אותיות דומות: ו, ז ו-ן, או ד ו-ר, או ה ו-ח, נבדלות בפרטים קטנים. בצילום מטושטש הן מתחלפות.
- ניקוד: טקסט מנוקד, כמו בספרי ילדים או בשירה, מבלבל את הזיהוי.
- טקסט מעורב: משפט עברי עם מספר טלפון או מילה באנגלית צריך להישמר בסדר הנכון.
- גופנים מעוצבים: גופני כותרת, כתב יד או גופנים דקורטיביים מזוהים פחות טוב.
איך משפרים את התוצאה
- צילום חד ומואר. זה הגורם הכי משמעותי. צלמו ישר מלמעלה, באור יום, בלי צל.
- חיתוך. השאירו רק את הטקסט. רקע, שוליים ואצבעות מבלבלים.
- יישור. עמוד שעומד על הצד מזוהה גרוע. סובבו קודם עם סיבוב PDF.
- רזולוציה. טקסט קטן צריך צילום קרוב יותר. אם צריך להגדיל כדי לקרוא, גם ה-OCR יתקשה.
- שפה נכונה. לטקסט עברי נקי, בחירה בעברית בלבד משפרת מעט את הדיוק.
אחרי החילוץ
תמיד עברו על התוצאה, במיוחד על מספרים: מספר חשבון, סכום, תאריך. טעות של ספרה אחת בדרך כלל לא בולטת בקריאה מהירה. אם צריך לערוך את המסמך, בחרו פלט Word. אם צריך רק לחפש בארכיון של סריקות, בחרו PDF עם טקסט לחיפוש.
ומה עם כתב יד?
OCR רגיל לא מזהה כתב יד בצורה אמינה, בטח לא בעברית. לטפסים שמולאו ביד, החלק המודפס יזוהה טוב, והחלק בכתב יד כנראה יצטרך הקלדה.