Google Docs: Οπτική αναγνώριση χαρακτήρων σε 29 επιπλέον γλώσσες

[ipo]

Η Google εμπλουτίζει τη δυνατότητα αναγνώρισης κειμένου, που εισήγαγε τον περασμένο Ιούνιο, προσθέτοντας 29 γλώσσες, μεταξύ των οποίων και η ελληνική.

Ο χρήστης μπορεί να ανεβάζει στα Google Docs εικόνες ή αρχεία PDF, που παράγονται από σαρωτή ή φωτογραφική μηχανή. Το λογισμικό Optical Character Recognition (οπτική αναγνώριση χαρακτήρων - OCR) αναλαμβάνει να μετατρέψει την εικόνα σε επεξεργάσιμο κείμενο, διατηρώντας κάποια στοιχεία από την αρχική του μορφοποίηση.

Η Google διατείνεται ότι προέβη σε αυτή την κίνηση εξαιτίας της ένθερμης υποστήριξης της υπηρεσίας αναγνώρισης κειμένου, που δέχθηκε από τους χρήστες και κυρίως λόγω των αιτημάτων τους για την προσθήκη υποστήριξης περισσότερων γλωσσών. Πλέον η υπηρεσία υποστηρίζει συνολικά 34 γλώσσες, συμπεριλαμβανομένων των Ελληνικών, των Ρώσικων και της απλοποιημένης Κινεζικής γλώσσας.

Επίσης ο αλγόριθμός αναγνώρισης παρουσιάζεται βελτιωμένος για τις γλώσσες που υποστηρίζονταν εξ αρχής (Αγγλικά, Ιταλικά, Γαλλικά, Γερμανικά, Ισπανικά), ενώ βελτίωση έχει γίνει στη διατήρηση στοιχείων μορφοποίησης όπως η διάταξη και η γραμματοσειρά.

Η υπηρεσία λειτουργεί με απλό τρόπο, ανεβάζοντας εικόνες (*.jpg, *.png, *.gif) ή αρχεία PDF στην υπηρεσία Google Docs, δηλώνοντας τη γλώσσα του κειμένου που υπάρχει στο αρχείο και πατώντας το κουμπί "Start upload". Η ποιότητα του αποτελέσματος είναι τόσο καλύτερη, όσο πιο ευκρινής είναι η εικόνα που ανεβάζει ο χρήστης στο Google Docs. Το μέγεθος των αρχείων που ανεβάζει ο χρήστης για την επεξεργασία με το λογισμικό αναγνώρισης χαρακτήρων, μπορεί να είναι μέχρι 2 MByte, ενώ το OCR επεξεργάζεται μόνο τις πρώτες 10 σελίδες αρχείων PDF.



Πηγή: Google

[ipo]

Σε σύντομη δοκιμή που έκανα, το OCR φαίνεται να λειτουργεί πολύ καλά με αρχεία PDF, ίσως καλύτερα από το FineReader, ως προς την αναγνώριση χαρακτήρων, ακόμα και για τα Ελληνικά. Όμως δε διατηρεί σημαντικά στοιχεία μορφοποίησης, όπως τους πίνακες.

Από την άλλη, δε φαίνεται να λειτουργεί καλά με αρχεία PNG, GIF, JPG, για ελληνικούς χαρακτήρες. Για λατινικούς χαρακτήρες όμως λειτουργεί αρκετά καλά και με αρχεία εικόνας. Άλλωστε η Google αναφέρει ότι για μη latinikous χαρακτήρες η υπηρεσία λειτουργεί πειραματικά.

Our OCR engine supports a number of character sets, but support for non-Latin character sets is still experimental.

[arkara]

Πάντα μπροστά τα Google docs

[marios32]

Ένα μπράβο για την ενσωμάτωση της Ελληνικής γλώσσης!

Σιγουρα τουλάχιστον στα Αγγλικά θα βελτιωθεί περισσότερο με τον καιρό.

[lewton]

Μπράβο Google!

[almounia]

Είναι εξαιρετικό πακετάκι / σουίτα το google docs.

[frap]

Να δω ποιός πρώτος θα το χρησιμοποιήσει για VOBSUB -> SRT

[Rama]

API για google docs υπάρχει;

[grayden]

Και στην επόμενη αναβάθμιση δυνατότητα υπαγόρευσης.

[DSLaManiaC]

Και όλα τσάμπα

[iant]

Ήδη λέει "Optical Character Recognition (OCR) in 34 languages"

Καλό ακούγεται ..

[ipo]

Ήδη λέει "Optical Character Recognition (OCR) in 34 languages"

Αν διαβάσεις την είδηση, θα δεις μεταξύ άλλων:

Πλέον η υπηρεσία υποστηρίζει συνολικά 34 γλώσσες, συμπεριλαμβανομένων των Ελληνικών
...

Ο τίτλος της είδησης αναφέρεται στην είδηση αυτή καθεαυτή, που είναι η προσθήκη 29 γλωσσών στις 5 προϋπάρχουσες.

[iant]

[mrsaccess]

Τέλεια!
Ίσως να μην το χρειαζόμαστε συχνά, αλλά για τις λίγες φορές που χρειάζεται δεν υπήρχε άλλη εύκολη και δωρεάν λύση.

[gbil]

Με μια δοκιμή που μόλις έκανα πάντως έμεινα κάγκελο! Το OCR που κάνει είναι απλά φοβερό!