ဘာသာမပြန်မီ OCR စာကြောင်းပြတ်များနှင့် စကားစပ်မျဉ်းတိုများကို မည်သို့ပြင်ဆင်မည်နည်း
မူရင်းစကားစပ်မျဉ်းတိုများ၊ စာပိုဒ်များ၊ စာရင်းများ သို့မဟုတ် ကဗျာလင်္ကာများကို မဖျက်မိစေဘဲ စာကြောင်းခေါက်နေသော OCR စာသားများကို ပြုပြင်ပါ။ ပြန်ပြင်ဆင်နိုင်သော လုပ်ငန်းစဉ်နှင့် ဒေါင်းလုဒ်ရယူနိုင်သည့် ရှင်းလင်းရေးနမူနာ ၁၂ ခုကို အသုံးပြုပါ။
OCR စာကြောင်းပြတ်များကို ပြင်ဆင်ရန် ပထမဦးစွာ စာပိုဒ်တစ်ခုတည်းတွင် ပါဝင်သော စာသားကို ခွဲခြားသတ်မှတ်ပါ။ မလိုလားအပ်သော စာကြောင်းအဆုံးများကိုသာ နေရာလွတ် (space) ဖြင့် အစားထိုးပါ။ စာကြောင်းနှစ်ခုကြား ပြတ်သွားသော စကားလုံးများအတွက် စကားစပ်မျဉ်းတို (hyphen) ကို ဖယ်ရှားမည် သို့မဟုတ် ဆက်ထားမည်ကို သီးခြားစီ ဆုံးဖြတ်ပါ- trans- ၏နောက်တွင် lation လာပါက translationဖြစ်လာမည်ဖြစ်သော်လည်း well- ၏နောက်တွင် known လာပါက well-knownဖြစ်လာပါမည်။ အပြောင်းအလဲမှတ်တမ်းကို သိမ်းဆည်းထားပြီး မသေချာသော စာလုံးဆက်များကို မူရင်းစာမျက်နှာနှင့် နှိုင်းယှဉ်စစ်ဆေးပါ။
စာအုပ်တစ်အုပ်လုံးကို “စာကြောင်းပြတ်အားလုံး ဖယ်ရှားရန်” သို့မဟုတ် “မျဉ်းတိုအားလုံး ဖျက်ရန်” ဟူသည့် ညွှန်ကြားချက်မျိုး လုံးဝမသုံးပါနှင့်။ ရှင်းလင်းထားသော ကောက်နုတ်ချက်သည် ပိုမိုချောမွေ့သယောင် ရှိနိုင်သော်လည်း စာပိုဒ်တစ်ခုလုံး ပျောက်သွားခြင်း၊ စာရင်းအချက်အလက်နှစ်ခု ပေါင်းသွားခြင်း သို့မဟုတ် နည်းပညာဆိုင်ရာ သတ်မှတ်အမှတ်အသားတစ်ခု ပြောင်းလဲသွားခြင်းတို့ ဖြစ်နိုင်ပါသည်။ အဓိကရည်မှန်းချက်မှာ စာကြောင်းအသစ်ကူးသည့် အက္ခရာအရေအတွက် အနည်းဆုံးဖြစ်စေရန် မဟုတ်ဘဲ စိတ်ချယုံကြည်ရသော ဖတ်ရှုမှု သို့မဟုတ် ဘာသာပြန်မူကြမ်း ရရှိစေရန် ဖြစ်သည်။
ဤလမ်းညွှန်ချက်သည် စာသားဖတ်ရှုမှတ်သားပြီးနောက်ပိုင်း အဆင့်မှစတင်ပါသည်။ အကယ်၍ PDF တစ်ခုကို ကူးယူရာတွင် အက္ခရာများ သို့မဟုတ် နံပါတ်များ မှားယွင်းနေပါက ဦးစွာ ၎င်း၏ စာသားအလွှာ (text layer) ကို စစ်ဆေးပါ။ စာကြောင်းပြတ်များကို ပြင်ဆင်ရုံဖြင့် မှားယွင်းဖတ်ရှုထားသော B-2O4 ကို မူလရည်ရွယ်သည့် B-204.
စာကြောင်းပြတ်တစ်ခုစီသည် အဘယ်အရာကို ကိုယ်စားပြုသည်ကို ဆုံးဖြတ်ပါ
မူရင်းစကင်ဖတ်ထားသောဖိုင်နှင့် ကုန်ကြမ်းစာသားထုတ်ယူမှုကို မူလအတိုင်း မပြောင်းလဲဘဲ သိမ်းထားပါ။ အလုပ်လုပ်မည့် စာမူကြမ်းတွင် စာတည်းဖြတ်ကိရိယာ၏ နေရာလွတ် (whitespace) သို့မဟုတ် စာပိုဒ်အမှတ်အသားများ ပြသမှုကို ဖွင့်ပါ။ စာတည်းဖြတ်ကိရိယာ ဝင်းဒိုးအရွယ်အစားကို အချုံ့အချဲ့လုပ်ကြည့်ပါ- စာကြောင်းအသစ်ကူးသင်္ကေတ ထည့်မထားဘဲ အလိုအလျောက် စာကြောင်းပြန်ဆင်းသော စာကြောင်းသည် မျက်နှာပြင်ပေါ်တွင် စာကြောင်းခေါက်ပြနေခြင်းသာဖြစ်ပြီး မည်သည့်အရာကိုမျှ ဖျက်ပစ်ရန် မလိုပါ။
စာကြောင်းအသစ်ကူးသင်္ကေတ ထည့်သွင်းထားသော နေရာများကိုမူ အခြားနည်းလမ်းဖြင့် စစ်ဆေးရန် လိုအပ်ပါသည်။ ဆက်တိုက်ဖတ်ရမည့် စာပိုဒ်တစ်ခု၊ ခေါင်းစဉ်တစ်ခု၊ စာရင်းတစ်ခုနှင့် သိသာစွာကွဲပြားသော မည်သည့်စာမျက်နှာ အဆင်အပြင်ကိုမဆို စာမျက်နှာပုံရိပ်နှင့် နှိုင်းယှဉ်ပါ။ စာအုပ်ခေါင်းစဉ် စာမျက်နှာတစ်ခုတည်းကို ကြည့်၍ စာရွက်စာတမ်းတစ်ခုလုံး၏ ဖွဲ့စည်းပုံကို မခန့်မှန်းပါနှင့်။
| စာကြောင်းပြတ်က ကိုယ်စားပြုသည့်အရာ | လုပ်ဆောင်သင့်သည့် သင့်လျော်သော အရေးယူမှု | လိုအပ်သော အထောက်အထား |
|---|---|---|
| စာပိုဒ်တစ်ခုတည်းအတွင်း စကားလုံးများကြား မျက်နှာပြင်အရ စာကြောင်းခေါက်ကျသွားခြင်း | သိမ်းဆည်းထားသော စာကြောင်းပြတ်ကို space တစ်ချက်ဖြင့် အစားထိုးပါ | မူရင်းတွင် စာကြောင်းနှစ်ခုစလုံးသည် စာပိုဒ်တစ်ခုတည်းတွင် ပါဝင်နေပါသည် |
| စကားလုံးတစ်ခုတည်းအတွင်း စာလုံးပြတ်သွားခြင်း | အပိုင်းအစများကို ပြန်ဆက်ပါ၊ များသောအားဖြင့် စာမျက်နှာအပြင်အဆင်ကြောင့် ပေါ်နေသော တုံးတို (hyphen) ကို ဖယ်ရှားပါ | ရည်ရွယ်ထားသော စာလုံးပေါင်း၊ မူရင်းအကြောင်းအရာနှင့် သက်ဆိုင်ရာ ဘာသာစကားဆိုင်ရာ စည်းမျဉ်း |
| အမှန်တကယ် ပေါင်းစပ်ထားသော စကားလုံး၏ တုံးတို (hyphen) အပြီးတွင် စာကြောင်းဆင်းသွားခြင်း | စာကြောင်းပြတ်ကို ဖယ်ရှားပြီး တုံးတို (hyphen) ကို ဆက်ထားပါ | စာကြောင်းအဆုံး သတ်မှတ်ချက်များ မပါဝင်သည့်အခါတွင်လည်း အဆိုပါစကားလုံးသည် ထိုတုံးတို (hyphen) ကို ဆက်လက်ထိန်းသိမ်းထားပါသည် |
| စာပိုဒ်၊ ခေါင်းစဉ်၊ စာရင်းအချက်အလက် သို့မဟုတ် ကဗျာ/ကျမ်းပိုဒ် စည်းအသတ်များ | နယ်နိမိတ်စည်းကို ထိန်းသိမ်းပါ | ဝါကျပုဒ်ဖြတ်ပုဒ်ရပ်များသာမက မူရင်းဖွဲ့စည်းပုံပါ ပါဝင်ပါသည် |
| အစီအစဉ်သေချာမသိရသော ကော်လံ သို့မဟုတ် စာမျက်နှာကူးပြောင်းမှု | မပြင်ဆင်ဘဲထားပြီး စာမျက်နှာကို သေချာစစ်ဆေးပါ | စာဆက်စပ်မှု၊ ကော်လံအစီအစဉ်၊ ပုံစာများနှင့် အောက်ခြေမှတ်စုများ |
လိုင်းလွတ်များနှင့် စာပိုဒ်အစ နေရာချန်မှုများသည် စာပိုဒ်များကို ရှာဖွေရာတွင် အထောက်အကူပြုနိုင်သော်လည်း ယင်းတို့သည် အာမခံချက်ရှိသောအရာများထက် သဲလွန်စများသာ ဖြစ်ပါသည်။ ခေါင်းစဉ်တစ်ခု၏နောက်တွင် လိုင်းလွတ်မရှိဘဲ ဖြစ်နေနိုင်ပါသည်။ အတွင်းသို့ ဝင်နေသော စာကြောင်းတစ်ခုသည် စာပိုဒ်အသစ်မဟုတ်ဘဲ စာရင်းတစ်ခု၏ ဆက်စပ်စာကြောင်း ဖြစ်နေနိုင်ပါသည်။ ပုဒ်ဖြတ်စက်ဖြင့် ဆုံးသော စာကြောင်းတိုတစ်ခုသည် စာပိုဒ်တစ်ခု၏ နောက်ဆုံးစာကြောင်း ဖြစ်နိုင်သလို စာပိုဒ်တစ်ခု၏ အလယ်တွင်ရှိသော ဝါကျတစ်ခုလည်း ဖြစ်နိုင်ပါသည်။
အကယ်၍ OCR ထုတ်ယူမှုများတွင် layout သို့မဟုတ် block အချက်အလက်များ ပါဝင်ပါက စာသားကို စစ်ဆေးနေစဉ်အတွင်း ၎င်းတို့ကို ထိန်းသိမ်းထားပါ။ ရိုးရိုး plain-text ထုတ်ယူမှုတစ်ခုတည်းသည် အဆိုပါ စည်းနောင်များကို ပြန်လည်တည်ဆောက်ရန် လိုအပ်သော အထောက်အထားများကို ဖယ်ရှားပစ်နိုင်ပါသည်။
ပြတ်တောက်နေသော စကားလုံးများနှင့် မူလတုံးတို (hyphen) များကို ခွဲခြားပါ
အမြင်အားဖြင့် ဆင်တူသော အခြေအနေ သုံးခုအတွက် မတူညီသော ပြင်ဆင်မှုများ လိုအပ်ပါသည် -
trans- → translation
lation
well- → well-known
known
trans\u00ADlation → translation in a verified reading copy
နောက်ဆုံးစာကြောင်းတွင် သာမန်အားဖြင့် မြင်တွေ့ရန်ခက်ခဲသော စာလုံးတစ်လုံးကို ပေါ်လွင်ထင်ရှားစေရန် \u00AD ကို အသုံးပြုထားသည်။ Unicode တွင် စကားလုံးအတွင်း စိတ်ကြိုက်စာကြောင်းဖြတ် အမှတ်အသားဖြစ်သော U+00AD SOFT HYPHENနှင့် မြင်သာသော hyphen ဖြစ်သည့် U+2010 HYPHENတို့ကို ရှင်းရှင်းလင်းလင်း ခွဲခြားထားသည်။ ဤစာလုံးများသည် အပြန်အလှန် အစားထိုးသုံးစွဲ၍ရသော စာလုံးများ မဟုတ်ကြပါ။ ယူနီကုဒ်၏ စာကြောင်းဖြတ်တောက်မှု သတ်မှတ်ချက် တွင် စာကြောင်းဖြတ်တောက်သည့်နေရာ၌ ဘာသာစကားအလိုက် သတ်ပုံပြောင်းလဲမှုများကိုလည်း ဖော်ပြထားသည်။ မြင်နေရသည့် တုံးတို (hyphen) ကို ဖျက်ပြီး စာလုံးများကို ပေါင်းစပ်လိုက်ရုံဖြင့် အမြဲတမ်း မလုံလောက်နိုင်ပါ။
သာမန်စကားပြေများအတွက် အတည်ပြုပြီးသား စိတ်ကြိုက်ဖြတ်တောက်မှု အမှတ်အသားကို ဖယ်ရှားခြင်းသည် ဖတ်ရှုရန်သင့်တော်သော စာမူတစ်ခုကို ရရှိစေနိုင်သည်။ မူရင်းမှတ်တမ်းထိန်းသိမ်းမှုဆိုင်ရာ ကူးယူဖော်ပြချက်များအတွက် မူရင်းကို သီးခြားစီ ထိန်းသိမ်းထားပါ - စကားလုံးသည် မပြောင်းလဲဘဲ မြင်နေရသော်လည်း အမှတ်အသားကို ဖယ်ရှားလိုက်ခြင်းက encoded စာသားကို ပြောင်းလဲသွားစေပါသည်။
ဖြစ်နိုင်ခြေရှိသော သတ်ပုံကို စစ်ဆေးရန် မူရင်းဘာသာစကား အဘိဓာန်ကို အသုံးပြုပါ၊ ထို့နောက် ထိုစာပိုဒ်ဆီသို့ ပြန်သွားပါ။ အဘိဓာန်တစ်ခုတွင် တွေ့ရခြင်းသည် အထောက်အထားမျှသာဖြစ်ပြီး အမည်နာမ၊ သီးခြားသတ်မှတ်ချက် (identifier) သို့မဟုတ် သမိုင်းဝင်သတ်ပုံတစ်ခုခုကို အစားထိုးရေးသားရန် ခွင့်ပြုချက်မဟုတ်ပါ။ စာရွက်စာတမ်းထဲတွင် ထပ်ခါတလဲလဲ တွေ့ရှိရခြင်းကလည်း အထောက်အကူပြုနိုင်သော်လည်း OCR အမှားတစ်ခုသည် တစ်လျှောက်လုံး အလားတူ ထပ်ခါတလဲလဲ မှားယွင်းနေနိုင်ပါသည်။
ဥပမာအားဖြင့် ကျွန်ုပ်တို့၏ ဂျာမန်နမူနာမှာ-
Die Auf-
gabe ist klar.
ဤရေးသားထားသော နမူနာတွင် ရည်ရွယ်သည့် စကားလုံးမှာ Aufgabe; Duden ၏ အဘိဓာန်စာရင်း တွင် ၎င်း၏ စာလုံးခွဲခြမ်းမှုကို Auf|ga|beဟု ဖော်ပြထားသည်။ Auf- နှင့် gabe တို့ကို ပေါင်းစပ်ခြင်းသည် ဤနေရာတွင် သင့်လျော်ပါသည်။ ထိုဥပမာတစ်ခုတည်းသည် ဂျာမန်ဘာသာစကားတစ်ခုလုံးအတွက် အထွေထွေ hyphen ဖြုတ်ခြင်းစည်းမျဉ်း မဟုတ်သလို၊ ခေတ်သစ်အဘိဓာန်သတ်ပုံသည်လည်း မူရင်းထုတ်ဝေမှုဟောင်း၏ သတ်ပုံစနစ်ကို အသိမပေးဘဲ အစားထိုးခြင်းမျိုး မဖြစ်သင့်ပါ။
URL များ၊ ကတ်တလောက်ကုဒ်များ၊ ဓာတုဗေဒအမည်များ၊ အနုတ်တန်ဖိုးများနှင့် အခြားနည်းပညာဆိုင်ရာ အသုံးအနှုန်းများကို သီးခြားစီ စိစစ်ရမည့်ကိစ္စများအဖြစ် သဘောထားပါ။ မျဉ်းတို (dash) သို့မဟုတ် တုံးတို (hyphen) ကို ဆက်ထားသင့်၊ မထားသင့်ဆိုသည်မှာ အင်္ဂလိပ်စကားလုံးဆိုင်ရာ အကြမ်းဖျင်းခန့်မှန်းချက်အပေါ် မမူတည်ဘဲ မူရင်းနှင့် ထိုအသုံးအနှုန်း၏ အဓိပ္ပာယ်အပေါ်တွင်သာ မူတည်ရပါမည်။
ထိန်းချုပ်စမ်းသပ်ထားသော နမူနာ ၁၂ ခုက ပြသနေသည့်အရာများ
ကျွန်ုပ်တို့သည် မူရင်းစာသား ၁၂ ခုပါဝင်သော ဒေါင်းလုဒ်ရယူနိုင်သည့် သန့်စင်မှုဆိုင်ရာ သရုပ်ပြချက် တစ်ခုကို တည်ဆောက်ခဲ့ပါသည်။ ၎င်းတို့၏ ရည်ရွယ်ထားသော စကားလုံးများနှင့် ဖွဲ့စည်းပုံကို ကျွန်ုပ်တို့ ရေးသားစဉ်ကတည်းက သတ်မှတ်ထားခြင်းဖြစ်ပြီး၊ ထို့နောက်မှ ရွေးချယ်ထားသော စာကြောင်းဖြတ်တောက်မှုများနှင့် hyphenation အမှားအယွင်းများကို ထည့်သွင်းခဲ့ခြင်း ဖြစ်သည်။ ဤအရာများသည် ဖန်တီးထားသော စာသားနမူနာများသာဖြစ်ပြီး OCR အင်ဂျင်မှ ထွက်လာသော ရလဒ်များ သို့မဟုတ် စာအုပ်ကို စကင်ဖတ်ထားသည့် အချက်အလက်များ မဟုတ်ပါ။
ရည်ရွယ်ချက်ရှိရှိဖြင့် အကြမ်းနည်းအခြေခံစနစ်သည် အစားထိုးမှု သုံးခုကို ပြုလုပ်သည်- hyphen-plus-newline ကို ဖယ်ရှားခြင်း၊ ကျန်ရှိသော newline များကို စာလုံးခြားနေရာလပ် (space) များဖြင့် အစားထိုးခြင်းနှင့် soft hyphen များကို ဖယ်ရှားခြင်းတို့ ဖြစ်သည်။ ဒုတိယနည်းလမ်းမှာ တိကျသောစာသားအတွက် တစ်ခုချင်းစီ အတည်ပြုထားသော ပြောင်းလဲမှုများကိုသာ အသုံးပြုသည်။ ၎င်းသည် စာပိုဒ်များကို ခွဲခြားသတ်မှတ်ရန် သို့မဟုတ် စကားလုံးသတ်ပုံများကို အလိုအလျောက် ဆုံးဖြတ်ရန် မည်သို့မျှ ကြိုးပမ်းခြင်း မရှိပါ။
| နမူနာ | အကြမ်းနည်း အခြေခံစနစ် | အတည်ပြုထားသော ဆုံးဖြတ်ချက် |
|---|---|---|
| အင်္ဂလိပ်စကားပြေ စာကြောင်းဆက်ခေါက်မှု | စာကြောင်းနှစ်ကြောင်းကို မှန်ကန်စွာ ဆက်ပေးသည် | အတည်ပြုပြီးသော စာကြောင်းခေါက်ချက်ကို space ဖြင့် အစားထိုးပါ |
trans- / lation | မှန်ကန်စွာ ထုတ်ပေးသည်မှာ translation | ထည့်သွင်းထားသော စကားစပ်မျဉ်း (hyphen) နှင့် စာကြောင်းဖြတ်ချက်ကို ဖယ်ရှားပါ |
well- / known | ထုတ်ပေးသည်မှာ wellknown | မူလစကားစပ်မျဉ်းကို မပယ်ဘဲထားပါ |
ဂျာမန်စကားလုံး Auf- / gabe | မှန်ကန်စွာ ထုတ်ပေးသည်မှာ Aufgabe | ဤအတည်ပြုပြီးသော စာလုံးပေါင်းကိုသာ ဆက်ပါ |
| ထည့်သွင်းထားသော U+00AD | စိတ်ကြိုက်စကားစပ်ပြသင်္ကေတကို ဖယ်ရှားသည် | စာဖတ်ရန်ထုတ်ယူထားသော ဤမူတွင် ၎င်းကို ဖယ်ရှားပါ |
| ပြင်သစ်စကားလုံးအမြီးဖြတ် (...) နှင့် စာပိုဒ်သစ်တစ်ခု | စာပိုဒ်များကို ပေါင်းစည်းလိုက်သည် | မူရင်းရေးသားသူ သတ်မှတ်ထားသော စာပိုဒ်ခြားနားချက်ကို မပယ်ဘဲထားပါ |
| နံပါတ်စဉ်တပ်စာရင်း၊ ကဗျာ၊ ကုဒ် နှင့် ခေါင်းစဉ် | မတူညီသော ဖွဲ့စည်းပုံများကို ပေါင်းပြားစေသည် | ၎င်းတို့၏ စာကြောင်းဆင်းမှုများကို မပယ်ဘဲထားပါ |
| စာကြောင်းလွတ်မပါသော စာပိုဒ်နှစ်ခု | ၎င်းတို့ကို တစ်ခုတည်းအဖြစ် ပေါင်းလိုက်သည် | မူရင်းရေးသားသူ သတ်မှတ်ထားသော စာပိုဒ်များကို မပယ်ဘဲထားပါ |
| မစစ်ဆေးရသေးသော စာမျက်နှာအမှတ်အသား | စာမျက်နှာကူးပြောင်းမှုကို ပေါင်းပြားစေသည် | အစီအစဉ်ကို မစစ်ဆေးရသေးမီအထိ မပြင်ဘဲထားပါ |
၂၀၂၆ ခုနှစ်၊ အောက်တိုဘာ ၃ ရက်တွင် Node.js 25.2.1 ဖြင့် fixture ကို run ခဲ့ရာ အခြေခံနည်းလမ်း (blunt baseline) အောက်တွင် ဥပမာ ၁၂ ခုအနက် ၄ ခု အတွက်သာ ကိုးကားချက်နှင့် ကိုက်ညီသော စာသားကို ထုတ်ပေးနိုင်ခဲ့သည်။ အတည်ပြုထားသော လမ်းကြောင်းသည် ကိုးကားချက် ၁၂ ခုစလုံးနှင့် ကိုက်ညီခဲ့ပြီး undo ပြုလုပ်ခြင်းဖြင့် မူရင်း input ၁၂ ခုစလုံးကို ပြန်လည်ရယူနိုင်ခဲ့သည်။ ထို့အပြင် သက်တမ်းကုန်နေသော input များ၊ သီးသန့်မဖြစ်သော ကိုက်ညီမှုများနှင့် လွဲချော်နေသော ကိုက်ညီမှုများကိုလည်း ငြင်းပယ်ခဲ့သည်။
အဆိုပါ ရလဒ်များသည် patch အတိအကျ သက်ရောက်မှုကို လူကိုယ်တိုင် ရေးသားစိစစ်ထားသည့် လူသိများသော ကိုးကားချက်များနှင့် နှိုင်းယှဉ်စမ်းသပ်ထားခြင်း ဖြစ်သည်။ ၎င်းတို့သည် လက်တွေ့ကမ္ဘာရှိ တိကျမှုကို ခန့်မှန်းတွက်ချက်ထားခြင်း မဟုတ်ပါ—အတည်ပြုထားသော ဆုံးဖြတ်ချက်များတွင် အဖြေများ ပါဝင်ပြီးဖြစ်ကာ စာသားအစုအဝေး (corpus) ကိုလည်း ချို့ယွင်းချက်များ ပေါ်လွင်စေရန် တမင်ရွေးချယ်ထားခြင်း ဖြစ်သည်။ ကျွန်ုပ်တို့သည် စီးပွားဖြစ် cleaner၊ OCR အင်ဂျင်၊ ဘာသာပြန် မော်ဒယ် သို့မဟုတ် BookTranslator တင်ပို့မှုများကို စမ်းသပ်ခဲ့ခြင်း မရှိပါ။ ပြန်လည်ကြိုးစားမှုများ (retries) သို့မဟုတ် ဖယ်ထုတ်ထားသော နမူနာများလည်း မရှိခဲ့ပါ။
အဆိုပါ လက်တွေ့ input/output နှင့် patch log အပြင် ပြန်လည်စမ်းသပ်လုပ်ဆောင်နိုင်သည့် ညွှန်ကြားချက်များကို ဒေါင်းလုဒ်ရယူပါ။ ဤ JavaScript သည် မည်သည့် dependencies သို့မဟုတ် ကွန်ရက်ချိတ်ဆက်မှုမှ မပါဘဲ စက်ထဲတွင် တိုက်ရိုက် run ပြီး ရလဒ်များကို ထုတ်ပြပေးကာ သင့်ဖိုင်များကို ပြန်လည်ပြင်ဆင်ရေးသားခြင်း မပြုပါ။ ၎င်း၏ စစ်ဆေးချက်များသည် အတည်ပြုပြီးသော ပြင်ဆင်ချက်တစ်ခုကို မတူညီသည့် အခြားစာသားပေါ်သို့ သွားရောက်သက်ရောက်ခြင်းမှ ကာကွယ်ပေးပါသည်။ သို့သော် ပြင်ဆင်ချက်တစ်ခုသည် ဘာသာစကားသဘောအရ မှန်ကန်မှု ရှိ၊ မရှိကိုမူ ၎င်းတို့က မပြောပြနိုင်ပါ။
အတည်ပြုပြီးသော စာပိုဒ်တွဲတစ်ခုကို တစ်ကြိမ်လျှင် တစ်ခုစီ ရှင်းလင်းပါ
ဖတ်ရှုရမည့် အစီအစဉ်နှင့် စာပိုဒ်နယ်နိမိတ်များကို သင် သေချာသတ်မှတ်နိုင်သော စကားပြေအပိုင်းတိုတစ်ခုဖြင့် စတင်ပါ။ စာတန်းထိုးများ၊ ကိုးကားချက်များ၊ စာရင်းများနှင့် အောက်ခြေမှတ်စုများ ပါဝင်သော အခန်းတစ်ခုလုံးဖြင့် မစတင်ပါနှင့်။
- မူရင်းမိတ္တူကြမ်းကို သိမ်းဆည်းထားပြီး ရင်းမြစ်တည်နေရာကို မှတ်တမ်းတင်ပါ။ ပြန်လည်သုံးသပ်ထားသော စာပိုဒ်တိုင်းနှင့်အတူ ဖိုင်အမည်၊ စာမျက်နှာနံပါတ်၊ စာပိုဒ် သို့မဟုတ် စာပိုဒ်တွဲ (block) နှင့် ဘာသာစကားတို့ကို တွဲဖက်ထားရှိပါ။
- ဖွဲ့စည်းပုံဆိုင်ရာ နယ်နိမိတ်များကို ဦးစွာ မှတ်သားပါ။ ခေါင်းစဉ်များ၊ စာရင်းအချက်များ၊ ကဗျာလင်္ကာများ၊ ဇယားများနှင့် ကုဒ်များကို သာမန်စကားပြေမှ သီးခြားခွဲထုတ်ပါ။ စာမျက်နှာညွှန်း အမှတ်အသားများကို နောက်ပိုင်းတွင် ဖယ်ရှားမည်ဆိုပါကလည်း ၎င်းတို့ကို ဖတ်ရှုရမည့် စာသား၏ အပြင်ဘက်တွင် ထိန်းသိမ်းထားပါ။
- ထိုစာပိုဒ်တွဲအတွင်းရှိ စကားလုံးများအကြား သာမန်စာကြောင်းခေါက်မှုများကို ဆက်စပ်ပေးပါ။ အတည်ပြုပြီးသော စာကြောင်းပြတ်တိုင်းကို space တစ်ခုဖြင့် အစားထိုးပါ။ စကားလုံးများ ကပ်မသွားစေရန်နှင့် ရှိပြီးသား space သည် မလိုအပ်ဘဲ နှစ်ထပ်မဖြစ်သွားစေရန် စစ်ဆေးပါ။
- တစ်ဝက်စီ ပြတ်တောက်နေသော စကားလုံးများကို သီးခြားစီ စစ်ဆေးပါ။ စကားလုံးအပြည့်အစုံနှင့် ဝန်းရံထားသော စာကြောင်းကို ဖော်ပြပါ။ “layout ဆိုင်ရာ hyphen ဖယ်ရှားရန်”၊ “မူရင်း hyphen အစစ်ကို ထိန်းသိမ်းရန်” သို့မဟုတ် “မဆုံးဖြတ်ရသေး” ဟု မှတ်တမ်းတင်ပါ။ မဆုံးဖြတ်ရသေးသော စကားလုံးကို အတည်ပြုပြီး ပြင်ဆင်ချက်အဖြစ် မသတ်မှတ်ပါနှင့်။
- အတည်မပြုမီ ကွာခြားချက် (diff) ကို စစ်ဆေးပါ။ ဖယ်ရှားလိုက်သော စာကြောင်းအဆုံးသတ် သို့မဟုတ် စကားဆက်မျဉ်းတိုတိုင်းကို မူရင်းစာသားနှင့် နှိုင်းယှဉ်စစ်ဆေးပါ။ ရှင်းလင်းထားသော မူကွဲကို ပြင်ဆင်ချက်မှတ်တမ်းများနှင့်အတူ ဖိုင်အမည်အသစ်ဖြင့် သိမ်းဆည်းပါ။
- သိမ်းဆည်းထားသော ရလဒ်ဖိုင်ကို ပြန်ဖွင့်ပြီး ကူးယူအသုံးပြုပါ။ တည်းဖြတ်ဆော့ဖ်ဝဲ၏ အစမ်းကြည့်ရှုမှု (preview) တစ်ခုတည်းကိုသာ မဟုတ်ဘဲ အမှန်တကယ် အသုံးပြုမည့် ဖိုင်အစစ်ကို စစ်ဆေးပါ။
စာသားအပိုင်းအစ အနည်းငယ်အတွက်မူ ခြေရာခံပြင်ဆင်မှု (tracked changes) သို့မဟုတ် အလျင်/အနှောင်း နှိုင်းယှဉ်ချက်ဖြင့် လက်ဖြင့်တည်းဖြတ်ခြင်းက လုံလောက်နိုင်ပါသည်။ ပိုရှည်သော စာသားများအတွက် မူရင်းစာသားအပိုင်းအစ၊ အစားထိုးစာသား၊ နေရာ၊ အကြောင်းပြချက်နှင့် စစ်ဆေးသူတို့ကို တိကျစွာ မှတ်တမ်းတင်ထားသော ပြင်ဆင်မှုစာရင်း (patch list) တစ်ခု လိုအပ်ပါသည်။ မူရင်းစာသား checksum ကို အသုံးပြုခြင်းဖြင့် မူရင်းစာသားပြောင်းလဲသွားပြီးနောက် ယခင်ခွင့်ပြုချက်အဟောင်းများကို အလွဲသုံးမိခြင်းမှ ကာကွယ်ပေးနိုင်ပါသည်။
အကယ်၍ သင်၏ တည်းဖြတ်ဆော့ဖ်ဝဲတွင် စာပိုဒ်ပုံစံထိန်းသိမ်းပေးသော ရှင်းလင်းရေးမုဒ် ပါဝင်ပါက ထိုမုဒ်ကို ရိုးရိုးပြေပြစ်သော စကားပြေများတွင်သာမက ခက်ခဲသော စာသားအပိုင်းများတွင်ပါ စမ်းသပ်ကြည့်ပါ။ စာကြောင်းခြားလွတ်နှစ်ခု (double newlines) ကို ထိန်းသိမ်းရုံဖြင့် OCR က စာကြောင်းခြားလွတ်တစ်ခုတည်းအဖြစ် ဖတ်ထားသော စာပိုဒ်အဆုံးသတ်ကို ပြန်လည်ရရှိနိုင်မည် မဟုတ်ပါ။ ဇယားများနှင့် ကုဒ်များကို မစစ်ဆေးမီ စာပိုဒ်အစ နေရာချန်မှုများကို ဖျက်ပစ်ခြင်း သို့မဟုတ် နေရာလွတ်အားလုံးကို ချုံ့ပစ်ခြင်း မပြုလုပ်ပါနှင့်။
မူရင်းစာမျက်နှာပုံရိပ်ကို မည်သည့်အချိန်တွင် ပြန်လည်ကြည့်ရှုရမည်ကို သိရှိခြင်း
ပြင်သစ်ပုဒ်ဖြတ်ပုဒ်ရပ်များသည် အဘယ်ကြောင့် ဝါကျအဆုံးသတ်ကို သိရှိရုံမျှဖြင့် စာပိုဒ်အဆုံးသတ်ကို ခွဲခြားမရနိုင်ကြောင်း သက်သေပြနေသည်။ ကျွန်ုပ်တို့ ရေးသားထားသော ဥပမာတွင် Il attend… နှင့် Le lendemain, il part. တို့သည် သီးခြားစီဖြစ်သော စာပိုဒ်များဖြစ်ကြသည်။ မျက်စိမှိတ် အစက်သုံးစက် (ellipsis) တစ်ခုတည်းက ထိုစာပိုဒ်အကန့်ကို မဖော်ပြနိုင်ပါ။ Office québécois de la langue française ၏ အစက်သုံးစက် (points de suspension) အသုံးပြုပုံဆိုင်ရာ လမ်းညွှန်ချက် တွင် စကားဖြတ်ပြောခြင်း သို့မဟုတ် အဆုံးမသတ်ရသေးသော စိတ်ကူးအကြံဉာဏ်များအပါအဝင် အသုံးပြုပုံများကို ရှင်းပြထားပါသည်။ နောက်စာကြောင်းကို ပေါင်းစည်းရမည် သို့မဟုတ် မပေါင်းရမည်ကို ဆုံးဖြတ်ရန် စာမျက်နှာ၏ တည်ဆောက်ပုံကို ကြည့်ပါ။
အောက်ပါစာသားအမျိုးအစားများအတွက် မူရင်းပုံရိပ်ကို ပြန်လည်စစ်ဆေးခြင်းကို မဖြစ်မနေ ပြုလုပ်ပါ -
| စစ်ဆေးရမည့် အပိုင်း | စာသားတစ်ခုတည်းဖြင့် အဘယ်ကြောင့် မလုံလောက်သနည်း | အဘယ်အရာကို နှိုင်းယှဉ်ရမည်နည်း |
|---|---|---|
| ခေါင်းစဉ်နောက်တွင် စကားပြေစာသား ချက်ချင်းကပ်ပါနေခြင်း | စာသားထုတ်ယူရာတွင် စာကြောင်းလွတ် ကျန်မနေခဲ့နိုင်ခြင်း | ဖောင့်ပုံစံ၊ စာသားညှိမှု၊ နေရာလွတ်ခြားမှုနှင့် အခန်းကဏ္ဍ အဆင့်အတန်း |
| စာမျက်နှာ သို့မဟုတ် စာတိုင် (column) ခြားပြီး ဆက်သွားသော စာပိုဒ် | ခေါင်းစီး၊ ပုံစာ သို့မဟုတ် အောက်ခြေမှတ်ချက်တို့က ကြားဖြတ်ဝင်ရောက်နေနိုင်ခြင်း | မူရင်း၏ နောက်ဆုံးစာကြောင်း၊ ဆက်စပ်မှုနှင့် ဖတ်ရှုရမည့် အစီအစဉ် |
| အမည်၊ ကုဒ်၊ အရေအတွက် သို့မဟုတ် မရင်းနှီးသော ဝေါဟာရ | ယုတ္တိတန်သည်ဟု ထင်ရသော ဆက်စပ်မှုတစ်ခုက အဓိပ္ပာယ် သို့မဟုတ် တန်ဖိုးကို ပြောင်းလဲသွားစေနိုင်ခြင်း | မျဉ်းတိုအမျိုးအစားနှင့် ဂဏန်းများအပါအဝင် အက္ခရာတိုင်း |
| ရှေးဟောင်းဘာသာစကား စကားလုံးခွဲခြမ်းမှုများ | ပုံနှိပ်စာကြောင်းပြတ်တောက်မှုရှိ စာလုံးပေါင်းသည် မူရင်းစကားလုံးနှင့် ကွဲပြားနိုင်သည် | ထုတ်ဝေသည့်မူ၊ မူရင်းစာလုံးပေါင်းနှင့် သက်ဆိုင်ရာ ဘာသာစကားရည်ညွှန်းကျမ်း |
| ကဗျာ၊ စာရင်းများ၊ ဇယားများ သို့မဟုတ် ကုဒ်များ | စာကြောင်းအဆုံးများသည် အဓိပ္ပာယ် သို့မဟုတ် ဖွဲ့စည်းပုံကို သတ်မှတ်ဖော်ပြနိုင်သည် | စာကြောင်းခွဲပုံ၊ အကြောင်းအရာနယ်နိမိတ်များ၊ အကွက်များနှင့် စာပိုဒ်အတွင်းဝင်မှုများ |
| မြှုပ်ထားသောစာသားသင်္ကေတ (Ellipsis)၊ အတိုကောက် သို့မဟုတ် တိုတောင်းသော နောက်ဆုံးစာကြောင်း | ပုဒ်ဖြတ်ပုဒ်ရပ်များသည် စာပိုဒ်၏ တည်နေရာအမှန်ကို အတည်မပြုနိုင်ပါ | စာပိုဒ်အပြည့်အစုံနှင့် ၎င်း၏ ပတ်ဝန်းကျင်ရှိ အပိုင်းအကန့်များ |
အကယ်၍ စာမျက်နှာအများအပြားတွင် အလားတူပြဿနာမျိုး တွေ့ရှိပါက စာရွက်စာတမ်းတစ်ခုလုံးတွင် ထိုပုံစံကို ရှာဖွေပြီး ကိုက်ညီမှုများကို စစ်ဆေးပါ။ မူရင်းစာလုံးများ၊ ဖတ်ရှုရမည့်အစဉ်လိုက် သို့မဟုတ် စာပိုဒ်တစ်ခုလုံး မှားယွင်းနေပါက ပုံမှန်အခြေအနေသို့ ပြင်ဆင်မှုကို ရပ်တန့်ပြီး စာသားဖတ်ရှုခြင်း သို့မဟုတ် ထုတ်ယူခြင်းလုပ်ငန်းစဉ်ကို ပြန်လည်လုပ်ဆောင်ပါ။ ဘာသာစကားမျိုးစုံပါဝင်သည့် စာသားများကို ဖတ်ရှုဖော်ထုတ်ရန်အတွက် သီးခြားဖြစ်သော ဘာသာစကားမျိုးစုံပါဝင်သည့် PDF OCR လုပ်ငန်းစဉ်.
မဘာသာပြန်မီ ရှင်းလင်းထားသော မူရင်းစာသားကို အတည်ပြုစစ်ဆေးပါ
တည်းဖြတ်ထားသော အပိုင်းကို မူရင်းစာမျက်နှာနှင့် နှိုင်းယှဉ်ပါ၊ ထို့နောက် အခြားအပိုင်းတစ်ခုနှင့် ထုတ်ယူထားသော ဖိုင်အတွင်းရှိ မတူညီသော ဖွဲ့စည်းပုံအမျိုးအစားတိုင်းကို စစ်ဆေးပါ။ သိရှိထားပြီးဖြစ်သော အမှားများကို စစ်ဆေးရမည့်စာရင်းတွင် ဆက်လက်ထားရှိပါ။ နမူနာစစ်ဆေးခြင်းသည် စစ်ဆေးခဲ့သော စာပိုဒ်များအတွက်သာ အထောက်အထားပေးနိုင်ပြီး စာအုပ်၏ကျန်ရှိသော အစိတ်အပိုင်းများကို အာမမခံနိုင်ပါ။
- အမည်များ၊ ကိန်းဂဏန်းများ၊ နေ့စွဲများနှင့် ကုဒ်များသည် မူရင်းနှင့် ကိုက်ညီနေသေးကြောင်း အတည်ပြုပါ။
- ဖယ်ရှားလိုက်သော စကားဆက်မျဉ်းတို (hyphen) တိုင်းနှင့် စာကြောင်းပြတ်တောက်မှုတစ်လျှောက် ပြန်လည်ပေါင်းစပ်ထားသော စာလုံးပေါင်းများကို စစ်ဆေးပါ။
- စာပိုဒ်၊ ခေါင်းစဉ်၊ စာရင်းအကြောင်းအရာနှင့် ကဗျာစာကြောင်း နယ်နိမိတ်များကို နှိုင်းယှဉ်ပါ။
- စာမျက်နှာအကူးအပြောင်းတိုင်းတွင် ပထမဆုံးနှင့် နောက်ဆုံးစာကြောင်းများ ကျန်ရှိနေသေးကြောင်း အတည်ပြုပါ။
- မဖြေရှင်းရသေးသည့် စာသားများကို ရှာဖွေပြီး စစ်ဆေးမှုမှတ်တမ်းတွင် ထင်ရှားစွာ မှတ်သားထားပါ။
- နောက်ဆုံးသိမ်းဆည်းထားသော မူသည် နောက်လုပ်ငန်းစဉ်သို့ ပေးပို့မည့်မူ အမှန်ဖြစ်ကြောင်း သေချာပါစေ။
သင်လိုအပ်သည်မှာ ရှာဖွေနိုင်သော စာသား သို့မဟုတ် မှတ်စုများသာဖြစ်ပါက ဤအတည်ပြုပြီးသော စာသားထုတ်ယူမှုသည် ပြီးပြည့်စုံသော အဆင့်ဖြစ်နိုင်ပါသည်။ ၎င်းကို ပြင်ဆင်ရန် ဘာသာပြန်ဆိုမှု ပြုလုပ်ရန် မလိုအပ်ပါ။
အကယ်၍ သင်သည် စာရွက်စာတမ်းကို အခြားဘာသာစကားဖြင့် လိုအပ်ပါက အတည်ပြုပြီးသော အကြောင်းအရာများကို အထောက်အပံ့ပေးထားသည့် စာရွက်စာတမ်းဖော်မတ်ဖြင့် ပြင်ဆင်ပြီး စာရွက်စာတမ်းအပြည့်အစုံ ဘာသာပြန်ဆိုမှု လုပ်ငန်းစဉ်ကို အသုံးပြုပါ။ BookTranslator ၏ OCR စနစ်သည် မူရင်းစာမျက်နှာပုံစံကို ပြန်လည်ပုံတူကူးယူခြင်းထက် ဖတ်ရှုရရှိသော အကြောင်းအရာများမှတစ်ဆင့် ဘာသာပြန်ထားသော PDF အသစ်တစ်ခုကို ပြန်လည်တည်ဆောက်ပေးခြင်းဖြစ်သည်၊ ၎င်းသည် ပြင်ပစာသားရှင်းလင်းရေး အယ်ဒီတာမဟုတ်သလို မူရင်းစာကြောင်းပြတ်တောက်မှုအားလုံးကို မှန်ကန်စွာ အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်ခဲ့ကြောင်း အာမခံချက်လည်း မဟုတ်ပါ။ စကင်ဖတ်ထားသော PDF လမ်းညွှန် က စာသားအဖြစ် ပြောင်းလဲဖတ်ရှုရန် မည်သည့်အချိန်တွင် လိုအပ်သည်ကို ရှင်းပြထားပါသည်။
မူရင်းစာမျက်နှာများနှင့် စာသားပြင်ဆင်မှုမှတ်တမ်း (cleanup log) ကို နောက်ဆုံးအဆင့် PDF ဘာသာပြန်ဆိုမှု QA စစ်ဆေးခြင်းအတွက် သိမ်းဆည်းထားပါ။ ချောမွေ့နေသည့် ဘာသာပြန်စာကြောင်းတစ်ခုကို ကြည့်ရုံဖြင့် မူရင်းစာသားတွင် စကားလုံးဆက်စပ်မျဉ်းတို (hyphen) အစစ် ပါဝင်သင့်သည် သို့မဟုတ် ဆက်စပ်နေပုံရသော စာကြောင်းနှစ်ကြောင်းသည် တကယ်တမ်းတွင် စာပိုဒ်ခွဲများ ဖြစ်နေသည်ဆိုသည်ကို သိနိုင်မည် မဟုတ်ပါ။
ဆက်စပ် ဆောင်းပါးများ
