फ़ोटो से बांग्ला पढ़ें

बांग्ला होने से पढ़ने में क्या बदलता है

बांग्ला मॉडल अक्षर नहीं, अक्षर-समूह पढ़ता है। ক্ষ या ন্ত্র जैसा संयुक्ताक्षर पेज पर एक ही आकार है, और मॉडल को तय करना होता है कि वह क्या है और यूनिकोड में कैसे टूटता है — इसीलिए बांग्ला में ग़लत पढ़ाई का नतीजा आम तौर पर सीधा ग़लत अक्षर नहीं, बल्कि ग़लत संयुक्ताक्षर या ग़लत अक्षर पर लगा स्वर-चिह्न होता है। आउटपुट उसी क्रम में होता है जो यूनिकोड चाहता है: स्वर-चिह्न अपने व्यंजन-समूह के बाद, रेफ उस समूह से पहले র + हसंत के रूप में जिस पर वह बैठता है, और दो हिस्सों वाले स्वर एक कोड पॉइंट के रूप में। यही क्रम हर सर्च बॉक्स, स्पेल-चेकर और फ़ॉन्ट चाहता है, और यह उस दिखने वाले क्रम का ठीक उल्टा है जिसमें Bijoy टाइपिस्ट काम करता है।

सामान्य रीडर जो कुछ करता है, वह सब यहां भी होता है: कागज़ की रोशनी बराबर की जाती है, पेज सीधा किया जाता है, लाइनों वाली टेबल सेल-दर-सेल पढ़ी जाती हैं ताकि लेबल और उसकी वैल्यू अलग रहें, और नतीजा या तो पेज जैसे लेआउट में आता है या पैराग्राफ़ में जुड़ा हुआ। जो नंबर बांग्ला अंकों में छपे हैं, वे बांग्ला अंकों में ही पढ़े जाते हैं; जिस फ़ॉर्म में ০১২ और 012 मिले हुए हैं, उसमें दोनों बने रहते हैं।

बांग्ला का मॉडल किसी और भाषा के साथ साझा नहीं है, लेकिन फ़ोटो में फिर भी अंग्रेज़ी हो सकती है — लेटरहेड, रेफ़रेंस नंबर, हस्ताक्षर का हिस्सा — और एक भाषा दूसरी को बेतुके टेक्स्ट की तरह पढ़ती है। सूची से अंग्रेज़ी जोड़ने पर पेज दोनों पैक से पढ़ा जाता है और हर शब्द उसी लिपि में रहता है जिसमें वह छपा था।

जब आपको कुछ और चाहिए

जो Bijoy डॉक्यूमेंट अब भी फ़ाइल के रूप में मौजूद है, उसकी फ़ोटो खींचने से बेहतर है उसे कन्वर्ट करना। OCR टेक्स्ट को पिक्सेल से दोबारा बनाता है और सबसे अच्छे पेज पर भी हज़ार में कुछ अक्षर ग़लत करता है; “Bijoy को यूनिकोड में बदलें” कन्वर्टर उसे कीस्ट्रोक से दोबारा बनाता है, एक भी ग़लती नहीं करता, और बोल्ड और टेबल बनाए रखता है। पेज की फ़ोटो तभी लें जब फ़ाइल खो गई हो।

पूरी किताब या स्कैन के आर्काइव के लिए डेस्कटॉप टूल ही सही आकार का है: इसी बांग्ला मॉडल वाला कमांड-लाइन OCR टूल रात भर में पूरा फ़ोल्डर पढ़ लेता है, और OCRmyPDF उसकी हर PDF में सर्च होने वाली टेक्स्ट लेयर जोड़ देता है। यह पेज आपके सामने रखे पेज के लिए है।