विषय पर बढ़ें

OCR Engines

OCR images से text पढ़ने के लिए उपयोग होता है — दोनों Extract Text पेज पर और Document translation के अंदर एक fallback के रूप में जब एक page scanned हो (कोई text layer नहीं) या जब आप Translate embedded images turn on करते हैं।

आप तीन OCR engines में से चुन सकते हैं।

Free, fast, offline। एक system install की आवश्यकता है।

brew install tesseract tesseract-lang

sudo apt install tesseract-ocr tesseract-ocr-all

tesseract-ocr-all हर supported language लाता है। Disk बचाने के लिए, केवल वही install करें जिसकी आपको आवश्यकता है (जैसे French के लिए tesseract-ocr-fra)।

sudo dnf install tesseract tesseract-langpack-eng tesseract-langpack-fra

UB Mannheim's Tesseract releases से installer download करें। इसे run करें, defaults accept करें — language packs bundled हैं।

Verify:

tesseract --version
tesseract --list-langs

Desktop ऐप में: Settings → OCR → OCR method = Tesseract। Done।

EasyOCR

Free, offline। Non-Latin scripts (Chinese, Korean, Japanese, Thai) के लिए बढ़िया। Models पहले उपयोग पर download होते हैं (~1 GB total)।

uv sync --extra easyocr

Desktop ऐप में: Settings → OCR → OCR method = EasyOCR।

जब आप किसी language के लिए इसे पहली बार उपयोग करते हैं, relevant model ~/.EasyOCR/ पर download होता है। बाद के runs instant होते हैं।

Google Cloud Vision

Cloud, paid (1,000 free requests / month)। Highest accuracy, विशेष रूप से noisy / handwritten / mixed-script content पर।

  1. एक Google Cloud project बनाएँ
  2. Vision API enable करें
  3. एक API key बनाएँ
  4. Desktop ऐप में: Settings → Service → Google Cloud API key → paste
  5. Settings → OCR → OCR method = Google Cloud OCR

यदि आप उन APIs को भी enable करते हैं, तो वही Google Cloud API key Vision OCR, Speech-to-Text, और Text-to-Speech को powers देती है।

Accuracy compare करना

Settings → OCR tab में एक small comparison table built in है — language coverage, online/offline, cost, accuracy। जब भी आप switch करने के लिए tempted हों इसे फिर से पढ़ें।

OCR कब उपयोग होता है

जगह व्यवहार
Extract Text page (जब method = OCR) Dropped images पर direct OCR
Translate Document → PDF Scan-only pages पर OCR fallback (कोई text layer नहीं)
Translate Document → Office Translate embedded images on के साथ हर embedded image पर OCR + LLM vision

Tips

Source language चुनें

अधिकांश OCR engines बहुत अधिक accurate होते हैं जब आप उन्हें बताते हैं कि कौन सी language expect करनी है। Subtitle / Document / Extract Text पेज सभी आपके Source language picker को OCR engine पर forward करते हैं।

Clean printed text के लिए Tesseract पर्याप्त है

Cloud OCR तक तब तक न पहुँचें जब तक Tesseract / EasyOCR वास्तव में आपके content पर fail न हो जाए। वे free, fast, और surprisingly अच्छे हैं।