Читання тексту з камери — OCR із синтезом мовлення

Поки камера увімкнена, грає тон: що краще текст заповнює кадр, то вищий і рівніший він стає. Коли кадр зафіксовано і він стабільний, фото робиться автоматично і голос каже «Знято». Так можна фотографувати текст, не дивлячись на екран.

Понад двадцять, включно з латиницею, кирилицею, грецькою, арабською, івритом, деванагарі, тайською, корейською, японською і китайською. Автоматичний режим обирає мову за картинкою — він надійний, коли сторінка однією мовою, і ненадійний, коли в рядку сходяться дві: українська етикетка з англійською назвою бренду — класичний випадок, і задання мови вручну його лікує. Точність куди дужче за мову обмежує сам кадр: рівне світло, сторінка на весь кадр і камера паралельно паперу. Знімок під кутом перетворює прямі на криві, а розпізнавання вигнутого рядка провалюється однаково в усіх писемностях.

Точність залежить від освітлення, фокусу, шрифту та кута зйомки. Інструмент автоматично випрямляє, прибирає тіні й виправляє поворот, але для найкращого результату знімайте при хорошому освітленні, тримайте камеру рівно і ближче до тексту. Рукописний текст розпізнається погано.

Майже всім, що тут важливе, і здебільшого на користь телефона. Задня камера телефона фокусується близько і рухається разом із рукою — це природний спосіб прочитати етикетку чи меню; камера ноутбука закріплена, дивиться на вас, і на сторінку її не навести. Ліхтарик і зум доступні там, де їх дає пристрій, а на практиці це частіше Android, ніж iPhone. Читання вголос бере голоси, встановлені у вашій системі, тому той самий текст звучить по-різному на iOS і Android, — а на телефоні, де голосу для цієї мови немає, текст з'явиться, але вимовлений не буде.

Усе, крім найпершого завантаження і живого HD-голосу: він синтезується на нашому сервері, і без зв’язку читає голос пристрою. Рушій розпізнавання, мовні дані й голоси завантажуються один раз і лишаються в браузера, тому після першого використання мови навести камеру на сторінку і почути її прочитаною можна взагалі без зв'язку, — а це важливо, бо миті, коли етикетку треба прочитати найдужче, часто збігаються з відсутністю сигналу. Дві засторóги. Мова, якою ви жодного разу не користувалися, ще не завантажена — забирайте потрібні, поки зв'язок є. І очищення даних сайту викидає кеш, тобто наступне використання знову потребуватиме мережі.