Tesseract — इमेज से टेक्स्ट (OCR)

Tesseract contributors

Tesseract एक ओपन-सोर्स OCR इंजन है जिसे आप अपने कंप्यूटर पर कमांड लाइन या API से चलाते हैं; यह उन तकनीकी उपयोगकर्ताओं के लिए उपयुक्त है जिन्हें चित्रों से ऑफलाइन टेक्स्ट निकालना है।

क्यों उपयुक्त है?

इमेज से टेक्स्ट (OCR)

कंप्यूटर

tesseract-ocr.github.io पर जाएँ
ध्यान देने योग्य (1)

कमांड लाइन सेटअप और भाषा फ़ाइलें चाहिए; अंतर्निहित ग्राफ़िकल इंटरफ़ेस नहीं।

ध्यान देने योग्य
ध्यान देने योग्यकंप्यूटर
मुफ़्त आउटपुटहाँ
बिना खाते केहाँ
बिना वॉटरमार्क—
ऑफ़लाइनहाँ
बैच प्रोसेसिंग—
सामग्री की भाषा—

— अपुष्ट शर्तें. आधिकारिक दस्तावेज़ देखे गए हैं। ऐप का व्यावहारिक परीक्षण नहीं किया गया। केवल प्रमाणित सामग्री-भाषा समर्थन से मिलान करता है, इंटरफ़ेस की भाषा से नहीं।

स्रोत और समीक्षा की तारीख (1)
  • tesseract-ocr.github.io/tessdoc/
निर्माता की प्रतिक्रिया और सुधार

निर्माता की प्रतिक्रिया और सुधार

यदि आप उत्पाद का प्रतिनिधित्व करते हैं, तो स्रोत सहित सुधार या अपडेट भेजें। प्रकाशन संपादकीय समीक्षा के बाद होता है।

संपादकीय चयन मार्गदर्शिका

अंतिम जाँच:

किसके लिए?

  • डेवलपर और तकनीकी रूप से सहज लोग जो स्क्रिप्ट या बैच काम में OCR स्वचालित करते हैं।
  • जो बिना खाते या अपलोड के छपे चित्रों से ऑफलाइन टेक्स्ट निकालना चाहते हैं।

शुरुआत कैसे करें

  • पैकेज मैनेजर से Tesseract स्थापित करें (macOS पर Homebrew या MacPorts, Linux पर वितरण के पैकेज, Windows के लिए दस्तावेज में दिया गया इंस्टॉलर) और जरूरी भाषा डेटा जोड़ें।
  • चित्र तैयार करें: कम से कम 300 dpi रखें, टेढ़े पन्नों को सीधा करें और केवल छोटा किनारा छोड़ें।
  • उपयोग पेज के अनुसार कमांड लाइन से चलाएं; लेआउट उलझाए तो कोई और पेज सेगमेंटेशन मोड आजमाएं (डिफ़ॉल्ट 3 है) और आउटपुट टेक्स्ट जांचें।

निर्णय के बिंदु

  • यहां बटन वाला इंटरफेस नहीं है; कमांड की जगह बटन चाहिए तो ग्राफिकल इंटरफेस वाला डेस्कटॉप ऐप चुनें।
  • Tesseract PDF फाइलें सीधे नहीं पढ़ता; दस्तावेज के सुझाव के अनुसार पन्नों को पहले चित्रों में बदलें या OCRmyPDF इस्तेमाल करें।
  • आधिकारिक भाषा डेटा 100 से अधिक भाषाओं को कवर करता है और तीन अलग भंडारों में है; कौन-सी मॉडल फाइलें डाउनलोड करनी हैं, यह तय करने से पहले दस्तावेज पढ़ें।

सीमाएँ

  • टेढ़े, शोर वाले या असमान रोशनी वाले स्कैन सटीकता घटाते हैं, और दस्तावेज के अनुसार कुछ तरह का शोर बाइनराइजेशन में नहीं हटाया जा सकता।
  • यह औजार छपे पाठ के लिए है; इस गाइड को हस्तलिपि पहचान का कोई दावा नहीं मिला।
  • स्थापना में कमांड लगते हैं; यहां सटीकता का परीक्षण नहीं हुआ।

अक्सर पूछे जाने वाले सवाल

यह कौन-सी भाषाएं समर्थित करता है?

आधिकारिक दस्तावेज 100 से अधिक भाषाओं और 35 से अधिक लिपियों के भाषा-मॉडल डेटा का उल्लेख करते हैं; जिस भाषा की जरूरत है उसका डेटा स्थापित करें।

क्या यह PDF पढ़ सकता है?

सीधे नहीं। इनपुट प्रारूप पेज PNG, JPEG, TIFF, WebP और BMP जैसे चित्र प्रारूप गिनाता है और PDF बदलने या OCRmyPDF इस्तेमाल करने की ओर इशारा करता है।

कौन-सा रेजोल्यूशन सबसे अच्छा रहता है?

गुणवत्ता गाइड के अनुसार यह 300 dpi या उससे ऊपर सबसे अच्छा काम करता है।

आधिकारिक स्रोत (4)
tesseract-ocr.github.io/tessdoc/tesseract-ocr.github.io/tessdoc/Installation.htmltesseract-ocr.github.io/tessdoc/ImproveQuality.htmltesseract-ocr.github.io/tessdoc/InputFormats.html