ရောနှောဘာသာစကား PDF ကို OCR လုပ်ခြင်း- တရုတ်၊ အင်္ဂလိပ်နှင့် နံပါတ်များကို သီးခြားစစ်ဆေးပါ
တရုတ်-အင်္ဂလိပ် ရောနှောထားသော PDF အတွက် OCR ဘာသာစကားများကို ရွေးချယ်ပါ၊ အမှန်တကယ် နမူနာထွက်ရှိမှုများကို စစ်ဆေးပါ၊ စာလုံးများ၊ သတ်မှတ်အမှတ်အသားများ၊ နံပါတ်များနှင့် ဇယားဆက်စပ်မှုများကို စစ်ဆေးပါ။
ရောနှောဘာသာစကား PDF ကို OCR လုပ်ရန် စာမျက်နှာပေါ်ရှိ စာလုံးအမျိုးအစားများကို ဖော်ထုတ်ပါ၊ သက်ဆိုင်ရာ အသိအမှတ်ပြုဘာသာစကားများဖြင့် PDF ကို လုပ်ဆောင်နိုင်သော ကိရိယာတစ်ခုကို ရွေးချယ်ပါ၊ ထို့နောက် ထုတ်ယူထားသော စာသားကို ပုံနှင့် နှိုင်းယှဉ်စစ်ဆေးပါ။ တရုတ်စာသား၊ အင်္ဂလိပ်စာသား၊ နံပါတ်များနှင့် အညွှန်းဆက်စပ်မှုများကို သီးခြားစီ စစ်ဆေးပါ။ ရှာဖွေမှုတွင် အင်္ဂလိပ်ခေါင်းစဉ်တစ်ခု တွေ့ရှိခြင်းသည် တရုတ်စာကိုယ်ထည်ကို အသိအမှတ်ပြုခဲ့ခြင်း ရှိ/မရှိကို မဖော်ပြပါ။
နောက်ထပ်ဘာသာစကားတစ်ခု ထည့်သွင်းခြင်းသည် စမ်းသပ်ရန် ထိုက်တန်ပြီး အလိုအလျောက် တိုးတက်မှုတစ်ခု မဟုတ်ပါ။ ကျွန်ုပ်တို့၏ သေးငယ်သော တရုတ်-အင်္ဂလိပ် စမ်းသပ်မှုတွင် အင်္ဂလိပ်ကို ထည့်သွင်းခြင်းသည် အင်္ဂလိပ်အညွှန်းတစ်ခုကို ပြင်ဆင်ပေးခဲ့သော်လည်း တရုတ်သီးသန့် ဖွဲ့စည်းမှုက အသိအမှတ်ပြုခဲ့သော တရုတ်စာကြောင်းတစ်ကြောင်းကို ပျက်စီးစေခဲ့သည်။ ကျွန်ုပ်တို့၏ ဇယားဖွဲ့စည်းမှု နှစ်ခုစလုံးသည် ရိုးရှင်းသော မျဉ်းကြောင်းဇယားတစ်ခုမှ စာသားကို ပြန်မပေးခဲ့ပါ။
၎င်းသည် ဘာသာစကားစုံ OCR အပေါ် ယေဘုယျသဘောထားတစ်ခု မဟုတ်ပါ။ ၎င်းသည် ရွေးချယ်ထားသော ဘာသာစကားအရေအတွက်ထက် သင်လိုအပ်သော ထွက်ရှိမှုကို အကဲဖြတ်ရန် အကြောင်းပြချက်တစ်ခု ဖြစ်သည်။
ပထမဦးစွာ ပျောက်ဆုံးနေသော စာသားနှင့် မှားယွင်းနေသော စာသားကို ခွဲခြားပါ
မူရင်းဖိုင်ကို မပြောင်းလဲဘဲ ထားရှိပါ။ မိတ္တူတစ်ခုပေါ်တွင် ကိုယ်စားပြုစာမျက်နှာတစ်ခုမှ စာကြောင်းတစ်ကြောင်းကို ရွေးချယ်ပြီး ရိုးရှင်းသော စာသားတည်းဖြတ်ကိရိယာတစ်ခုထဲသို့ ကူးထည့်ပါ။ စာရွက်စာတမ်းခေါင်းစဉ်သာမက တရုတ်စာပိုဒ်တစ်ခုနှင့် အင်္ဂလိပ်စာပိုဒ်တစ်ခုကို စမ်းကြည့်ပါ။
| သင်တွေ့ရှိသည့်အရာ | နောက်တစ်ဆင့် လုပ်ဆောင်ရမည့်အရာ |
|---|---|
| မည်သည့်အရာကိုမျှ ရွေးချယ်၍မရ သို့မဟုတ် ကူးယူ၍မရ | စာမျက်နှာကို ပုံသက်သက်ဖြစ်နိုင်သည်ဟု သတ်မှတ်ပြီး OCR ကို လုပ်ဆောင်ပါ။ |
| စာသားက ကူးယူနိုင်သော်လည်း စာလုံးများက မြင်ရသော စာမျက်နှာနှင့် ကွဲပြားနေသည် | မှားယွင်းနေသော လက်ရှိစာသားအလွှာကို စူးစမ်းစစ်ဆေးပါ။ ဖွင့်ပြီး သိမ်းဆည်းရုံဖြင့် ၎င်းကို မပြောင်းလဲဘဲ ထားရှိနိုင်သည်။ |
| အချို့စာမျက်နှာများ မှန်ကန်စွာ ကူးယူနိုင်ပြီး အချို့မှာ မကူးယူနိုင်ပါ | စာရွက်စာတမ်းတစ်ခုလုံး လုပ်ဆောင်မှုကို မကျင့်သုံးမီ ထိခိုက်နေသော စာမျက်နှာများကို စာရင်းပြုစုပါ။ |
| စကားလုံးများ မှန်ကန်စွာ ကူးယူနိုင်သော်လည်း အတန်းများ သို့မဟုတ် စာပိုဒ်များ ပေါင်းစည်းနေသည် | အသိအမှတ်ပြုဘာသာစကားနှင့် သီးခြားစီ အပိုင်းခွဲခြင်းနှင့် ဖတ်ရှုမှုအစီအစဉ်ကို စစ်ဆေးပါ။ |
လက်ရှိစာသားအလွှာသည် အရေးကြီးသည်။ ဥပမာအားဖြင့် NAPS2 ၏ OCR စာရွက်စာတမ်း တွင် စာသားပါဝင်ပြီးသား တင်သွင်းထားသော PDF စာမျက်နှာများကို မထိဘဲ ထားရှိသည်ဟု ဖော်ပြထားသည်။ ထို့ကြောင့် ဆိုးရွားစွာ OCR လုပ်ထားသော စာမျက်နှာကို ပြန်လည်တင်သွင်းခြင်းသည် ထိုလုပ်ငန်းအစီအစဉ်တွင် ယုံကြည်စိတ်ချရသော ပြုပြင်နည်းတစ်ခု မဟုတ်ပါ။
အကယ်၍ အမှန်တကယ် ပြဿနာသည် ကြည်လင်မှုနည်းသော၊ ကွေးနေသော သို့မဟုတ် စောင်းနေသော စကင်ဖတ်မှုဖြစ်ပါက ဘာသာစကားဆက်တင် နှိုင်းယှဉ်မှုကို အဓိပ္ပာယ်ဖွင့်ဆိုခြင်းမပြုမီ ၎င်းကို ပြုပြင်ပါ။ ကျွန်ုပ်တို့၏ ပိုမိုကျယ်ပြန့်သော စကင်ဖတ်ထားသော PDF လမ်းညွှန် တွင် ထိုပြင်ဆင်မှုနှင့် နောက်ပိုင်းဘာသာပြန်ခြင်းအဆင့်များကို ဖော်ပြထားသည်။
ဘာသာပြန်ရန် ပစ်မှတ်မဟုတ်ဘဲ အသိအမှတ်ပြုဘာသာစကားများကို ရွေးချယ်ပါ
အသိအမှတ်ပြုခြင်းသည် “ဤစာမျက်နှာပေါ်တွင် မည်သည့်စာလုံးများ ရှိသနည်း” ဟူသော မေးခွန်းကို ဖြေဆိုသည်။ ဘာသာပြန်ခြင်းသည် “ဤအကြောင်းအရာကို အခြားဘာသာစကားဖြင့် မည်သို့ဖတ်ရှုသင့်သနည်း” ဟူသော မေးခွန်းကို ဖြေဆိုသည်။ OCR ကို ရိုးရာတရုတ်စာကို တိတ်တဆိတ် ရိုးရှင်းစေရန်၊ အင်္ဂလိပ်ကိုးကားချက်ကို ဘာသာပြန်ရန် သို့မဟုတ် မရင်းနှီးသော သတ်မှတ်အမှတ်အသားကို ပြန်လည်ရေးသားရန် မတောင်းဆိုပါနှင့်။
အတိုချုံး စာရင်းတစ်ခု ပြုလုပ်ပါ-
- တရုတ်စာလုံး- ရိုးရှင်းသော၊ ရိုးရာ သို့မဟုတ် နှစ်မျိုးလုံး၊ ခေါင်းစဉ်များနှင့် မှတ်စုများ အပါအဝင်။
- လက်တင်စာသား- အင်္ဂလိပ်စာကြောင်းများ၊ စာရေးသူအမည်များ၊ ကိုးကားချက်များ၊ အတိုကောက်များနှင့် မော်ဒယ်နံပါတ်များ။
- ထိန်းချုပ်ထားသော တန်ဖိုးများ- ရက်စွဲများ၊ ဒသမကိန်းအစက်များ၊ ယူနစ်များ၊ အနုတ်လက္ခဏာများ၊ သတ်မှတ်အမှတ်လက္ခဏာများနှင့် အက္ခရာအသေးအကြီးခွဲခြားသော ကုဒ်များ။
- နေရာများ- စာပိုဒ်များ၊ ဇယားများ၊ စာတန်းများ၊ အောက်ခြေမှတ်စုများ သို့မဟုတ် သီးခြားဘာသာစကား နောက်ဆက်တွဲများ။
ဥပမာအားဖြင့်၊ ရိုးရာတရုတ်အစီရင်ခံစာတွင် အင်္ဂလိပ်ဘာသာစကား အနှစ်ချုပ်နှင့် ကိုးကားစာရင်းများ ပါဝင်နိုင်သည်။ ရိုးရှင်းတရုတ်အခန်းတွင် A-01၊ 23.5 နှင့် °C ပါသော ဇယားတစ်ခု ပါဝင်နိုင်သည်။ နှစ်မျိုးစလုံးကို အရှည်ဆုံး တရုတ်စာပိုဒ်ကို စစ်ဆေးခြင်းဖြင့်သာ အကဲဖြတ်သင့်သည်မဟုတ်ပါ။
Tesseract သည် ၎င်း၏ တရားဝင်မော်ဒယ်သိုလှောင်ရာ တွင် သီးခြား chi_sim၊ chi_tra နှင့် eng မော်ဒယ်များကို ပံ့ပိုးပေးသည်။ ၎င်း၏ အမိန့်စာတမ်းများ သည် ပေါင်းစပ်ဘာသာစကားရွေးချယ်မှုများကို ပံ့ပိုးပြီး ဘာသာစကားအစီအစဉ်သည် ရလဒ်များကို ထိခိုက်နိုင်သည်ဟု မှတ်ချက်ပြုထားသည်။ ဤအရာများသည် ဖွဲ့စည်းမှုဆိုင်ရာ ဖြစ်နိုင်ခြေများဖြစ်ပြီး ထပ်ဆောင်းမော်ဒယ်တိုင်း အထောက်အကူဖြစ်သည်ဟု အာမခံချက်မဟုတ်ပါ။
သင့်စာရွက်စာတမ်းတွင် ဒေါင်လိုက်ဂျပန်ကော်လံများနှင့် ဖူရိဂါနာများ ပါဝင်ပါက ဂျပန်ဒေါင်လိုက်စာသား OCR လမ်းညွှန် ကို အသုံးပြုပါ။ ၎င်းသည် အခြားဘာသာစကားစစ်ဆေးရန်အမှတ်အသားတစ်ခုမျှသာမဟုတ်ဘဲ မတူညီသော အပြင်အဆင်နှင့် မှတ်ချက်ရေးသားမှုပြဿနာတစ်ခုဖြစ်သည်။
PDF များကို အမှန်တကယ်လက်ခံသော အလုပ်စဉ်တစ်ခုကို အသုံးပြုပါ
ဒက်စ်တော့လမ်းကြောင်း- NAPS2
NAPS2 သည် စကင်ဖတ်ထားသော PDF များကို ရှာဖွေနိုင်စေရန် မှတ်တမ်းတင်ထားသော လမ်းကြောင်းတစ်ခုကို ပေးသည်-
- ဖိုင်၏မိတ္တူကို တင်သွင်းပြီး ၎င်း၏ OCR ဆက်တင်များကို ဖွင့်ပါ။
- စာရွက်စာတမ်းအတွက် လိုအပ်သော အသိအမှတ်ပြုဘာသာစကားများကို ဒေါင်းလုဒ်လုပ်ပါ။
- ဘာသာစကားများစွာ ကို ရွေးချယ်ပြီး သက်ဆိုင်ရာဘာသာစကားများကို ရွေးပါ။
- ရှာဖွေနိုင်သော-PDF OCR ကို ဖွင့်ပြီး ဖိုင်အသစ်တစ်ခုအဖြစ် သိမ်းဆည်းပါ။
- ထိုဖိုင်ကို ပြန်ဖွင့်ပြီး ကူးယူထားသော တရုတ်၊ အင်္ဂလိပ်နှင့် ကိန်းဂဏန်းစာသားများကို မြင်ရသောစာမျက်နှာနှင့် နှိုင်းယှဉ်ပါ။
ဘာသာစကားတစ်ခုထက်ပို၍ ဒေါင်းလုဒ်လုပ်ပြီးမှသာ ဘာသာစကားများစွာရွေးချယ်မှု ပေါ်လာသည်။ ဤအဆင့်များသည် တရားဝင် NAPS2 လမ်းညွှန် ကို လိုက်နာသည်။ ဤဆောင်းပါးအတွက် NAPS2 ကို လက်တွေ့စမ်းသပ်မှု မပြုလုပ်ခဲ့ပါ။
အမိန့်စာလိုင်းလမ်းကြောင်း- OCRmyPDF
ရုပ်ပုံသက်သက် ရိုးရှင်းတရုတ်/အင်္ဂလိပ် PDF အတွက် တရားဝင်စာတမ်းများကို အခြေခံသော ဥပမာတစ်ခုမှာ-
ocrmypdf -l chi_sim+eng --output-type pdf \
--sidecar recognized.txt input.pdf searchable.pdf
လိုအပ်သော ဘာသာစကားအစုအဝေးများ ကို ဦးစွာ ထည့်သွင်းပါ။ ရိုးရာတရုတ်စမ်းသပ်မှုအတွက် chi_tra ကို အသုံးပြုပါ၊ စာလုံးအမျိုးအစားများကို အပြန်အလှန်လဲလှယ်နိုင်သည်ဟု မယူဆပါနှင့်။
OCRmyPDF ချက်ပြုတ်နည်းစာအုပ် သည် PDF နှင့် ဘေးထွက်စာသားထွက်ရှိမှုများကို မှတ်တမ်းတင်ထားသည်။ ၎င်း၏ဘေးထွက်သည် စာရွက်စာတမ်းတစ်ခုလုံး မဟုတ်နိုင်ပါ- စာသားရှိပြီးသားစာမျက်နှာများ သို့မဟုတ် OCR အတွင်း ကျော်သွားသောစာမျက်နှာများတွင် စာသားများ မပါဝင်နိုင်ပါ။ ထွက်ရှိလာသော PDF ကိုယ်တိုင်ကို စစ်ဆေးပါ။ ရှိပြီးသား မှားယွင်းသော OCR အတွက် တမင်တကာ ပြန်လုပ်သည့် အလုပ်စဉ်တစ်ခု လိုအပ်သည်။ ဘာပြောင်းလဲသွားသည်ကို နားမလည်ဘဲ စာမျက်နှာတိုင်းကို အတင်းအကြပ် ရုပ်ပုံအဖြစ်ပြောင်းလဲခြင်းကို မပြုလုပ်ပါနှင့်။
ဤသည်မှာ စာတမ်းများကို အခြေခံသော လမ်းကြောင်းဖြစ်ပြီး ကျွန်ုပ်တို့ တိုင်းတာထားသော စမ်းသပ်ပတ်ဝန်းကျင် မဟုတ်ပါ။ ကျွန်ုပ်တို့သည် ဤနေရာတွင် OCRmyPDF ကို မလည်ပတ်ခဲ့ပါ။
ရိုးရိုး Tesseract သည် ပြင်ဆင်ထားသော စာမျက်နှာများ လိုအပ်သည်
tesseract input.pdf ... ကို PDF ဖတ်စက်ကဲ့သို့ အသုံးမပြုပါနှင့်။ Tesseract သည် PDF ထည့်သွင်းမှုကို လက်မခံပါ၊ သို့သော် ၎င်းသည် PDF ထွက်ရှိမှုကို ထုတ်လုပ်နိုင်သည်။ Tesseract.js တွင် အလားတူ PDF ထည့်သွင်းမှု ကွဲပြားချက် ရှိသည်- စာမျက်နှာများကို PDF လိုင်ဘရီဖြင့် ဦးစွာ ပြင်ဆင်ပြီးမှ ရုပ်ပုံများကို အသိအမှတ်ပြုပါ။
ဤသည်မှာ အောက်ဖော်ပြပါ ကျွန်ုပ်တို့၏ စမ်းသပ်မှုအတွက် အသုံးပြုသော လမ်းကြောင်းဖြစ်သည်။ ၎င်းသည် စာသားနှင့် TSV အထောက်အထားကို ထုတ်လုပ်ပေးပြီး စမ်းသပ်ပြီးသော ရှာဖွေနိုင်သည့် ထွက်ရှိမှု PDF မဟုတ်ပါ။
ဒေသတွင်း OCR ခေါ်ဆိုမှု ဆယ်ကြိမ်တွင် ဖြစ်ပျက်ခဲ့သည်များ
ကျွန်ုပ်တို့သည် အောက်ပါတို့ပါဝင်သော စာမျက်နှာသုံးမျက်နှာ ရုပ်ပုံသက်သက် PDF ကို ဖန်တီးခဲ့သည်-
- ရိုးရှင်းသော တရုတ်စာသားများနှင့် အင်္ဂလိပ်ရည်ညွှန်းချက်များ၊ အမှတ်အသားများ၊ ဒသမကိန်းများနှင့် ယူနစ်များ ပါဝင်သည်။
- သက်ဆိုင်ရာ ရိုးရာတရုတ်စာမျက်နှာ၊
- ဒေတာအတန်း သုံးတန်းပါသော တရုတ်-အင်္ဂလိပ် ဇယားငယ်တစ်ခု။
စာသားနှင့် တန်ဖိုးများသည် ကိုယ်တိုင်ရေးသားထားသော သင်ကြားရေးပစ္စည်းများဖြစ်ပြီး ဖောက်သည်ဖိုင်များ သို့မဟုတ် တကယ့်တိုင်းတာမှုများ မဟုတ်ပါ။ စာသားပစ်မှတ်တစ်ခုစီတွင် ဟန်စာလုံး ၄၁ လုံးအပါအဝင် နေရာလွတ်မဟုတ်သော ကုဒ်ပွိုင့် ၁၂၄ ခု ပါဝင်သည်။ ဇယားတွင် နေရာလွတ်မဟုတ်သော ကုဒ်ပွိုင့် ၇၉ ခု ပါဝင်သည်။
PDF ၏ မူရင်းစာမျက်နှာများတွင် ထုတ်ယူနိုင်သော စာသား မရှိပါ။ ကျွန်ုပ်တို့သည် ၎င်းတို့ကို Poppler 26.08.0 ဖြင့် 300 dpi ဖြင့် ပြန်ဆွဲထုတ်ခဲ့ပြီး 1600×1000 ပစ်ဆယ်ပုံများ ထုတ်လုပ်ခဲ့သည်။ ဖောင့်အရွယ်အစားမှာ Noto Sans CJK SC/TC Regular တွင် 48 ပစ်ဆယ်ဖြစ်သည်။ သတ်ပုံအားလုံးသည် ဖောင့်များ၏ သာမန်အလျားလိုက် ဂလစ်ဖ်များမှ လာသည်။
၂၀၂၆ ခုနှစ် စက်တင်ဘာလ ၈ ရက်နေ့တွင် ကျွန်ုပ်တို့သည် macOS ARM64 ပေါ်တွင် Tesseract.js 7.0.0 နှင့် tesseract.js-core 7.0.0 ကို locally အသုံးပြုခဲ့သည်။ တရားဝင် tessdata_fast မော်ဒယ်များကို commit 87416418657359cb625c412a48b6e1d6d41c29bd တွင် ပင်ထားခဲ့သည်။ ခေါ်ဆိုမှုတိုင်းတွင် OEM 1 နှင့် PSM 6 ကို အသုံးပြုခဲ့ပြီး၊ ဘာသာစကားနှိုင်းယှဉ်မှုတစ်ခုစီအတွက် တူညီသော စာမျက်နှာပုံကို အသုံးပြုခဲ့သည်။
စာသားစာမျက်နှာတစ်ခုစီအတွက် ဘာသာစကားချက်ပြုတ်နည်း လေးခုနှင့် ဇယားအတွက် နှစ်ခု ရှိခဲ့သည်။ ခေါ်ဆိုမှု ဆယ်ခုစလုံး ပြီးစီးခဲ့သည်။ ရလဒ်တစ်ခုမျှ မပယ်ခဲ့ဘဲ ထွက်ရှိမှုကို မြင်ပြီးနောက် ပါရာမီတာတစ်ခုမျှ ချိန်ညှိခဲ့ခြင်း မရှိပါ။ တိကျသော ထည့်သွင်းချက်များ၊ မော်ဒယ် hash များ၊ ဗားရှင်းများနှင့် အကြမ်းရလဒ်များ နှင့် ပြန်လည်ထုတ်လုပ်ရန် ညွှန်ကြားချက်များ ကို ရရှိနိုင်ပါသည်။
ဆက်တင်တစ်ခုသည် အကွက်တစ်ခုကို ပြုပြင်နိုင်ပြီး အခြားတစ်ခုကို ပျက်စီးစေနိုင်သည်
ရိုးရာစာမျက်နှာတွင် chi_tra သည် ဟန်စာလုံး ၄၁ လုံးကို အစဉ်လိုက် ထိန်းသိမ်းထားနိုင်ခဲ့သော်လည်း တရုတ်မဟုတ်သော အမှားများ ရှိနေဆဲဖြစ်သည်။ ဥပမာအားဖြင့် ၎င်းသည် အင်္ဂလိပ်တံဆိပ် Document ID ကို Document 1ID သို့ ပြောင်းလဲခဲ့ပြီး ဒီဂရီသင်္ကေတကို မှားဖတ်ခဲ့သည်။
eng ထည့်ခြင်းသည် Document ID ကို ပြန်လည်ရရှိစေခဲ့သော်လည်း အပူချိန်နှင့် ဒြပ်ထုဝါကျ၏ တစ်စိတ်တစ်ပိုင်းသည် လက်တင်ပုံစံ အစိတ်အပိုင်းများ ဖြစ်လာခဲ့သည်။
Expected: 樣本溫度為 23.5 °C，質量為 1.08 kg。
Observed with chi_tra+eng: RA MEA 23.5°C > HBA 1.08 kg。
ထိုစာကြောင်းတွင် နံပါတ်များ ကျန်ရှိခဲ့သော်လည်း ပတ်ဝန်းကျင်ရှိ တရုတ်စာလုံးများ မကျန်ရှိခဲ့ပါ။ 23.5 နှင့် 1.08 ကိုသာ စစ်ဆေးခြင်းဖြင့် ပျက်စီးမှုကို လွတ်သွားနိုင်သည်။
ရိုးရှင်းသောစာမျက်နှာတွင် မတူညီသော အပေးအယူတစ်ခုကို ပြသခဲ့သည်။ အင်္ဂလိပ်ထည့်ခြင်းသည် BK-2026-A07 ကို ပြန်လည်ရရှိစေခဲ့ပြီး တရုတ်သီးသန့်လုပ်ဆောင်မှုက ၎င်းကို BK-2026-AO7 အဖြစ် ပြန်ပေးခဲ့သည်။ သို့သော် ၎င်းသည် အခြားနေရာတွင် 与 ကို 5 သို့ ပြောင်းလဲခဲ့သည်။ အမြင်အာရုံအရ ရောထွေးနိုင်သော အမှတ်အသား O0I1-l သည် မှားနေဆဲဖြစ်သည်။
အောက်ပါ ရောဂါရှာဖွေမှုများသည် ကျွန်ုပ်တို့ အောင်နိုင်သူကို အဘယ်ကြောင့် မကြေညာခဲ့သည်ကို ပြသသည်။
| ထည့်သွင်းချက်နှင့် ဘာသာစကားရွေးချယ်မှု | ဟန်စာလုံးအစဉ် တည်းဖြတ်မှုများ | ကာကွယ်ထားသော စာလုံးများ တွေ့ရှိမှု |
|---|---|---|
စာသားစာမျက်နှာ နှစ်ခုစလုံး၊ eng သီးသန့် | မျှော်မှန်းထားသော ဟန်စာလုံး ၄၁ လုံးအနက် ၄၁ လုံး ပျောက်ဆုံး | ၁၀ ခုအနက် ၉ ခု |
ရိုးရှင်းသောစာမျက်နှာ၊ chi_sim | 1 | ၁၀ ခုအနက် ၇ ခု |
| ရိုးရှင်းသောစာမျက်နှာ၊ တရုတ်/အင်္ဂလိပ် အစဉ်တစ်ခုခု | 2 | ၁၀ ခုအနက် ၈ ခု |
ရိုးရာစာမျက်နှာ၊ chi_tra | 0 | 10 တွင် 9 |
| ရိုးရာစာမျက်နှာ၊ တရုတ်/အင်္ဂလိပ် အစီအစဉ် မည်သည်ဖြစ်စေ | 9 | 10 တွင် 9 |
ဇယား၊ eng သို့မဟုတ် chi_sim+eng | စာသား ပြန်မရရှိပါ | 9 တွင် 0 |
"Han-sequence edits" သည် တရုတ်စာလုံးများကိုသာ နှိုင်းယှဉ်သည်။ အင်္ဂလိပ်စာ၊ ပုဒ်ဖြတ်ပုဒ်ရပ် သို့မဟုတ် နေရာလွတ်များကို အမှတ်မပေးပါ။ "Protected strings found" သည် ကြိုတင်သတ်မှတ်ထားသော အမှတ်အသားများ၊ နံပါတ်များ၊ ယူနစ်များနှင့် ရည်ညွှန်းတိုကင်များအတွက် ရှိ/မရှိ စစ်ဆေးခြင်းသာဖြစ်သည်။ ၎င်းတို့၏ တည်နေရာ သို့မဟုတ် ဆက်စပ်မှုကို အတည်မပြုပါ။ အင်္ဂလိပ်သီးသန့် ရလဒ်များသည် ထောင်ချောက်ကို ပြသသည်- ကာကွယ်ထားသော စာလုံးအများစု ရှိခဲ့သော်လည်း တရုတ်စာလုံး တစ်လုံးမှ ပြန်မရရှိခဲ့ပါ။
အပြည့်အစုံ နှိုင်းယှဉ်ချက် CSV သည် စာသားတစ်ခုလုံး၏ တည်းဖြတ်အကွာအဝေးများကိုလည်း ဖော်ပြသည်။ နှိုင်းယှဉ်ချက်သည် Unicode NFC ကို အသုံးပြုပြီး နေရာလွတ်များကို ဖယ်ရှားသည်။ ပုဒ်ဖြတ်ပုဒ်ရပ်ကို ပြင်ဆင်ခြင်း၊ အက္ခရာအသွင်ပြောင်းခြင်း၊ တရုတ်စာလုံးအမျိုးအစားများ ပြောင်းလဲခြင်း သို့မဟုတ် စာလုံးများကို ပြန်စီခြင်း မပြုလုပ်ပါ။ ဘာသာစကားအစီအစဉ်ကို ပြောင်းပြန်လုပ်ခြင်းသည် ဤစာသားရလဒ်များတွင် နေရာလွတ်များကို ပြောင်းလဲစေခဲ့သော်လည်း ပုံမှန်ပြုလုပ်ထားသော စာလုံးအစီအစဉ်ကို မပြောင်းလဲခဲ့ပါ။ ထိုလေ့လာတွေ့ရှိချက်သည် ဘာသာစကားအစီအစဉ်နှင့် ပတ်သက်သော ယေဘုယျစည်းမျဉ်း မဟုတ်ပါ။
ဇယားအလွတ်သည် အောင်မြင်သော ထုတ်ယူမှု မဟုတ်ပါ
ဇယားခေါ်ဆိုမှု နှစ်ခုစလုံးသည် OCR လုပ်ဆောင်မှု အမှားမရှိဘဲ ပြီးစီးခဲ့သော်လည်း စာသားအလွတ်ကို ပြန်ပေးခဲ့သည်။ တရုတ်စာထည့်ခြင်းသည် ပုံသေ တူညီသော ဘလောက်ချက်ပြုတ်နည်းကို ကယ်တင်နိုင်ခြင်း မရှိပါ။
အခြား ခွဲခြမ်းစိတ်ဖြာမှုမုဒ်များ၊ ဆဲလ်ဖြတ်တောက်မှုများ သို့မဟုတ် ဇယားအသိအမှတ်ပြုစနစ်ကို ကျွန်ုပ်တို့ မစမ်းသပ်ခဲ့ပါ။ ထို့ကြောင့် ရလဒ်သည် Tesseract သည် ဇယားများကို မဖတ်နိုင်ဟု မပြပါ။ ၎င်းသည် ကျွန်ုပ်တို့အသုံးပြုခဲ့သော ဆက်တင်များအောက်တွင် အသိအမှတ်ပြုဘာသာစကားကို ပြောင်းလဲခြင်းတစ်ခုတည်းဖြင့် ဤနမူနာကို မဖြေရှင်းနိုင်ခဲ့ကြောင်း ပြသသည်။
အမှန်တကယ် ဇယားတစ်ခုအတွက် Temperature → A-01 → 23.5 → °C ဆက်စပ်မှု အပြည့်အစုံကို တောင်းဆိုပါ၊ စာမျက်နှာပေါ်ရှိ တစ်နေရာရာတွင် တွေ့ရသော တိုကင်လေးခုကို မဟုတ်ပါ။ အကယ်၍ ရလဒ်သည် အလွတ်ဖြစ်ခြင်း သို့မဟုတ် ဆက်စပ်မှုများကို စစ်ဆေး၍မရပါက ၎င်းကို ယုံကြည်စိတ်ချရသော ကူးယူရေးသားမှုအဖြစ် ဆက်မဆက်ပါနှင့်။ အပြင်အဆင်ကို သိသော လုပ်ငန်းအသွားအလာကို စမ်းကြည့်ပါ သို့မဟုတ် လိုအပ်သော ဆဲလ်များကို ပုံနှင့် နှိုင်းယှဉ်၍ ကူးယူရေးသားပါ။
ဤစမ်းသပ်မှုက သက်သေမပြနိုင်သောအရာ
ဤအရာများသည် ဖောင့်မိသားစုတစ်ခုတည်းမှ သန့်ရှင်းသော ပေါင်းစပ်စာမျက်နှာ သုံးခုဖြစ်ပြီး စာရေးသူအေးဂျင့်တစ်ဦးက ပြန်လည်သုံးသပ်ခဲ့သည်။ မျက်စိကန်းသော လူသားပြန်လည်သုံးသပ်မှု၊ ထုတ်လုပ်မှုစာရွက်စာတမ်း ကော်ပိုရပ်စ် သို့မဟုတ် မှုန်ဝါးသော စကင်ဖတ်မှုများ၊ လက်ရေးစာ၊ ရှုပ်ထွေးသော ဇယားများ၊ ဒေါင်လိုက်စာသား သို့မဟုတ် သမိုင်းဝင်စာလုံးများကို စမ်းသပ်ခြင်း မရှိခဲ့ပါ။
ရလဒ်များသည် "ဘာသာစကားများ ပိုထည့်ပါ" ဟူသော ခြွင်းချက်မရှိသည့် စည်းမျဉ်းအတွက် အသုံးဝင်သော ဆန့်ကျင်ဥပမာများ ဖြစ်သည်။ ၎င်းတို့သည် အင်ဂျင်အဆင့်သတ်မှတ်ချက်၊ ယေဘုယျတိကျမှုနှုန်း သို့မဟုတ် သင့် PDF အတွက် ခန့်မှန်းချက် မဟုတ်ပါ။ ဤအရာသည် BookTranslator စမ်းသပ်မှု မဟုတ်ခဲ့ပါ၊ ပုံသီးသန့် အရင်းအမြစ် PDF သည် OCR ဖြင့် ပြီးစီးထားသော ဖတ်ရှုရေးမိတ္တူ မဟုတ်ပါ။
သင့်ကိုယ်ပိုင်ဖိုင်တွင် အပိုင်းလေးပိုင်း လက်ခံမှုစစ်ဆေးချက်ကို အသုံးပြုပါ
အလွတ်ပြန်လည်သုံးသပ်ရေးစာရွက် ကို ဒေါင်းလုဒ်လုပ်ပါ။ အမှန်တကယ် အခက်အခဲပါဝင်သော စာမျက်နှာတစ်ခုကို ရွေးချယ်ပြီး ဖိုင်တစ်ခုလုံးကို မလုပ်ဆောင်မီ အောက်ပါစစ်ဆေးချက်များကို ထည့်ပါ-
- တရုတ်စာသား- ဝါကျတစ်ကြောင်းအပြည့်အစုံကို နှိုင်းယှဉ်ပါ၊ အထူးအဆန်းနည်းသော စာလုံးများနှင့် ရည်ရွယ်ထားသော ရိုးရှင်း/ရိုးရာ ပုံစံများ အပါအဝင်။ မှားယွင်းသော စာလုံးကို သင်မျှော်လင့်ခဲ့သော စာလုံးအဖြစ် တိတ်ဆိတ်စွာ ပုံမှန်မပြုလုပ်ပါနှင့်။
- အင်္ဂလိပ်စာနှင့် အမှတ်အသားများ- စာရေးသူအမည်များ၊ ရည်ညွှန်းချက်များ၊ အတိုကောက်များ၊ အက္ခရာအသွင်ပြောင်းခြင်းနှင့်
O/0သို့မဟုတ်I/l/1ကဲ့သို့ အသွင်တူစာလုံးများကို စစ်ဆေးပါ။ မရင်းနှီးသော ကုဒ်သည် အလိုအလျောက်ပြင်ရမည့် စကားလုံး မဟုတ်ပါ။ - နံပါတ်များနှင့် ယူနစ်များ- တန်ဖိုးတစ်ခုစီကို ၎င်း၏ အပေါင်းအနုတ်လက္ခဏာ၊ ဒသမအမှတ်၊ ယူနစ်နှင့် အမှတ်အသားတို့နှင့် နှိုင်းယှဉ်ပါ။
0.05နှင့်0.50သည် ကွဲပြားနေရမည်။ မှန်ကန်သော ယူနစ်မပါဘဲ အသိအမှတ်ပြုထားသော23.5သည် မပြည့်စုံပါ။ - ဆက်စပ်မှုများနှင့် ပြည့်စုံမှု- စာပိုဒ် သို့မဟုတ် ဇယားအတန်းတစ်ခုစီသည် မျှော်လင့်ထားသည့်နေရာတွင် ရှိကြောင်း စစ်ဆေးပါ။ စာတန်းများ၊ မှတ်စုများနှင့် သေးငယ်သော ဒုတိယဘာသာစကား စာပိုဒ်များ ပါဝင်ကြောင်း အတည်ပြုပါ၊ ပင်မစာသားသာ မဟုတ်ပါ။
မူရင်းစာသား၊ တွေ့ရှိရသောရလဒ်၊ စာမျက်နှာ/ဒေသနှင့် လိုအပ်သော လုပ်ဆောင်ချက်ကို မှတ်တမ်းတင်ပါ။ ဖွဲ့စည်းမှုတစ်ခုသည် စစ်ဆေးချက်တစ်ခုကို တိုးတက်စေသော်လည်း အခြားတစ်ခုကို ဆိုးရွားစေသောအခါ လေ့လာတွေ့ရှိချက် နှစ်ခုစလုံးကို သိမ်းထားပါ။ ယုံကြည်မှုရမှတ်တစ်ခုတည်း သို့မဟုတ် ပျမ်းမျှစာလုံးအရေအတွက်ဖြင့် ဖိုင်ကို လက်မခံပါနှင့်။
ရလဒ်သုံးမျိုးကို ခွဲခြားပါ- သင်ဖော်ပြထားသော ရည်ရွယ်ချက်အတွက် ရှိရင်းစွဲအတိုင်း အသုံးပြုနိုင်သည်၊ တိကျသော ပြင်ဆင်မှုများ လိုအပ်သည်၊ သို့မဟုတ် ယုံကြည်စိတ်ချရသေးသည် မဟုတ်ပါ။ ရှာဖွေမှုလုပ်ငန်းတစ်ခုသည် အတည်ပြုပြီးသော စာပိုဒ်တစ်ခုသာ လိုအပ်နိုင်သည်။ ဖတ်ရှုရန် စာအုပ်တစ်အုပ်လုံးအတွက်မူ စာမျက်နှာခေါင်းစဉ် သန့်ရှင်းရုံမက စာရွက်စာတမ်းတစ်ခုလုံးကို လွှမ်းခြုံနိုင်ရန် လိုအပ်သည်။
မူရင်းက ဘာပြောသည်ကို သိပြီးမှသာ ဘာသာပြန်ပါ
ရှာဖွေမှုနှင့် ကူးယူနိုင်သော မူရင်းစာသားက သင့်ပြဿနာကို ဖြေရှင်းပေးပါက ထိုတွင်ရပ်လိုက်ပါ။ OCR က သူ့တာဝန်ကို ပြီးဆောင်းပြီးဖြစ်သည်။ ဘာသာပြန်ခြင်းသည် သီးခြားဆုံးဖြတ်ချက်တစ်ခုဖြစ်သည်။
အခြားဘာသာစကားဖြင့် စာရွက်စာတမ်းတစ်ခုလုံးကို ဖတ်ရှုရန် လိုအပ်ပါက မူရင်းစကင်နှင့် ပြင်ဆင်ပြီးသားစာသားကို ကိုးကားအဖြစ် သိမ်းဆည်းထားပြီး စကင်ဖတ်ထားသော PDF ဘာသာပြန်ခြင်း လုပ်ငန်းစဉ် ကို လိုက်နာပါ။ အရည်အချင်းပြည့်မီသော ဖိုင်တစ်ခုအတွက် BookTranslator ၏ PDF ဘာသာပြန်ကိရိယာ သည် နောက်တစ်ဆင့် ဖြစ်နိုင်သည်။ ၎င်း၏ OCR မုဒ်သည် မူရင်းစာမျက်နှာ အပြင်အဆင်နှင့် အတိအကျ တူညီမည်ဟု ကတိမပေးဘဲ ဘာသာပြန်ထားသော အကြောင်းအရာကို ပြန်လည်တည်ဆောက်ပေးသည်။ ပြန်လည်ရရှိထားသော စာသားနှင့် ဇယားဆက်စပ်မှုများကို စစ်ဆေးရန် လိုအပ်ချက်ကို ၎င်းက မဖယ်ရှားပေးပါ။
ဘာသာပြန်ပြီးနောက် မူရင်းအမှားလား၊ ဘာသာပြန်မှု သို့မဟုတ် အပြင်အဆင်အမှားလား ခွဲခြားရန် PDF ဘာသာပြန်ခြင်း QA စစ်ဆေးစာရင်း ကို အသုံးပြုပါ။ မှားယွင်းသော အဆင့်ကို ပြင်ဆင်ခြင်းသည် ဖတ်ရှုနိုင်သော အမှားတစ်ခုကို နောက်ဆုံးဖိုင်အထိ ဆက်လက်ရှင်သန်စေသည့် အကြောင်းရင်းဖြစ်သည်။
ဆက်စပ် ဆောင်းပါးများ
