OCR: rozpoznání českého textu na Google Documents

Hlavní nevýhodou v článku OCR online - rozpoznávání textu z obrázků v češtině a zdarma zmiňovaných nástrojů je, mimo poměrně stále vysoké chybovosti také to, že docela silně ignorují formátování dokumentu. Rozpoznávání českého textu od Google formátování bere v potaz a má i v češtině poměrně nízkou chybovost (samozřejmě nic není dokonalé, na jedné straně najdete několik překlepů - je tedy vhodné, pokud dále chcete dokument používat jej projet kontrolou pravopisu a "překlepy" opravit).

Google Dokuments jsou zdarma, je ale nutné mít účet u Google.

Rozpoznání textu na Google Dokuments krok za krokem

Přihlášení do Google

Na https://docs.google.com se přihlaste do Google Docs.

Přihlášení do Google Docs

Nahrání obrázku

Nahrajte vybraný obrázek či pdf soubor s obrázkem textu do Google Docs a nechte jej rozpoznat (nezapomeňte tuto volbu v možnostech nahrání zaškrtnout).

Tlačítko pro upload

Menu nahrání

Možnosti rozpoznání textu v nahrávaném souboru

Výsledek rozpoznání

Jak jsem psal výše, výsledek není sice 100% bez "překlepů", ale rozpoznání češtiny je již na velmi dobré úrovni. (orientačně bych to viděl tak na 15 překlepů na stránku, což se opraví lehce Kontrolou pravopisu) V docela velké míře je i zachováno formátování.

Výsledek rozpoznání textu

Kdy se to hodí?

Napadá mě fůra uplatnění rozpoznání českého textu z obrázků - já to teď třeba využil při převodu naskenovaného obrázku s výtahem poznámek ze skript do editovatelné podoby.

Reference: Google OCR konečně i pro nás