Reconnaissance de texte OCR depuis images et PDF

Le texte imprimé propre est reconnu presque sans erreur ; les photos de téléphone et les scans délavés sont plus difficiles. Le moteur redresse les photos de travers et lit chaque ligne dans son propre cadre incliné, et les mots à faible confiance sont surlignés pour que vous puissiez les corriger avant l'export.

Le moteur neuronal lit le français, l'anglais et les autres langues en écriture latine et cyrillique, le chinois, le japonais, le coréen, l'arabe, le grec, l'hindi et le thaï ; une centaine d'autres — hébreu, géorgien, vietnamien, bengali, etc. — sont reconnues par Tesseract. Les langues sont regroupées par écriture dans la liste ; les modèles se chargent à la première utilisation et restent dans le cache du navigateur.

Oui. Les PDF multi-pages sont rendus page par page via pdf.js puis passés à l'OCR. Vous pouvez également exporter le résultat sous forme de PDF cherchable avec une couche de texte invisible, pour que Ctrl+F fonctionne et que les lecteurs d'écran puissent le lire.

Le mode normal est réglé pour le texte imprimé : une écriture soignée aux lettres séparées est souvent lue, la cursive non. Pour l'écriture manuscrite, il y a « Reconnaître plus précisément » : la page est envoyée à un serveur de reconnaissance et lue par un modèle conçu pour l'écriture manuscrite. Sur des pages de cahiers d'écolier, il a lu correctement près de 9 mots sur 10 ; le mode normal, moins de 1 sur 10.

Après l'OCR, nous regroupons les mots reconnus par leur position verticale en lignes et divisons les lignes en colonnes selon les espaces horizontaux. Quand au moins trois lignes partagent le même nombre de colonnes, nous le traitons comme un tableau et l'exportons en lignes et colonnes dans Excel ; sinon, le fichier Excel a une seule colonne de texte.

La file accepte jusqu'à 50 fichiers. Le nombre de fichiers reconnus par jour et de pages PDF lues en une passe s'affiche dans l'encadré au-dessus du bouton « Extraire le texte ». La taille maximale par fichier s'adapte à votre appareil (environ 80 Mo sur téléphone jusqu'à 1 Go sur ordinateur) ; les PDF sont traités page par page, et un gros document propose un sélecteur de plage de pages.