Ambil teks dari gambar

Bagaimana gambar dibaca

Ukuran yang diinginkan pembaca diukur dari tintanya, bukan dari file-nya. Tinggi satu baris teks diperkirakan dari gambar itu sendiri, lalu semuanya diskalakan ulang agar satu baris jatuh di sekitar tiga puluh empat piksel — screenshot kecil diperbesar hingga empat kali lipat, dan foto yang sangat besar diperkecil, dengan sisi terpanjang dibatasi di kedua arah. Itu sebabnya foto menu sembilan megapiksel tidak lebih akurat daripada foto kecil yang tajam, dan mengapa gambar di bawah sekitar tiga ratus piksel pada sisi terpendeknya melewatkan deteksi bahasa sepenuhnya dan dibaca sebagai aksara Latin. Sebelum semua itu, kertas di balik tinta diperkirakan per bagian lalu dinetralkan untuk meratakan pencahayaan, kemiringan halaman diukur di sepanjang tingginya lalu diputar lurus, dan hasilnya diubah menjadi hitam-putih dengan satu ambang global.

Memilih bahasa adalah sebuah audisi, bukan pencarian di tabel, karena detektor yang biasa dipakai sebenarnya tidak mendeteksi bahasa. Tahap pertama hanya melaporkan aksara dan rotasinya, tidak lebih; aksara mempersempit pilihan, pengaturan bahasa browser Anda menjadi penentu di antara bahasa yang memakai aksara yang sama, lalu setiap kandidat benar-benar dipakai untuk membaca salinan gambar yang diperkecil dan dinilai dari berapa banyak kata yakin yang dihasilkannya. Pemenangnya membaca halaman sesungguhnya, dan teks yang dikenali diperiksa lagi — diakritik, pasangan huruf khas, kata pendek yang umum — untuk melihat apakah bahasa lain akan lebih baik. Inilah mekanisme di balik “salah menyebut bahasa menghasilkan halaman kosong yang meyakinkan”: audisi ini ada justru agar tebakannya diuji terhadap gambar Anda, bukan sekadar dinyatakan.

Ada satu hal yang perlu diketahui tentang apa yang sampai ke hasil. Paragraf yang tidak diyakini pembaca dibuang, bukan ditampilkan, sehingga teks yang Anda lihat di gambar bisa hilang sama sekali dari hasil, bukan muncul sebagai teks acak. Hal yang sama berlaku untuk blok yang digolongkan pembaca sebagai gambar atau noise, dan untuk tanda terpisah yang tidak berisi huruf atau angka. Tidak ada penyaringan untuk kata biasa yang tingkat keyakinannya rendah, jadi salah baca di dalam paragraf tetap lolos dan menjadi tugas Anda untuk menemukannya. Jika angka keyakinannya lumayan tetapi sebagian halaman begitu saja tidak ada, itulah yang terjadi.

Jika Anda butuh hal lain

Tidak ada yang disimpan, tetapi inilah satu-satunya alat di situs ini yang penggunaan pertamanya tidak cuma-cuma: pembacanya sendiri berukuran beberapa megabyte dan setiap paket bahasa satu hingga lima megabyte lagi, diambil dari situs ini lalu disimpan untuk penggunaan berikutnya. Satu halaman sepadan dengan penantiannya, dua ribu hasil scan terjadwal tidak — itu tugas alat OCR desktop seperti OCRmyPDF, yang menambahkan lapisan teks ke satu folder penuh dengan satu perintah, tanpa unduhan dan tanpa klik.

Tiga hal memang tidak dicoba di sini, dan mengetahuinya lebih cepat daripada menemukannya sendiri. Perspektif tidak dikoreksi — rotasi halaman diukur dan diluruskan, tetapi foto yang diambil dari samping tetap berbentuk trapesium, jadi memotret tepat dari atas sepadan dengan satu detik tambahan. Ambang yang memisahkan tinta dari kertas adalah satu nilai untuk seluruh gambar, bukan per area, sehingga halaman yang separuhnya terkena bayangan akan kehilangan bagian yang gelap meski pencahayaannya sudah diratakan; potret ulang dengan cahaya merata alih-alih melawannya. Dan tabel yang disusun dengan spasi, bukan garis, tidak punya garis untuk ditemukan, sehingga dibaca sebagai kolom teks dan hanya kebetulan jika tetap rapi saat ditempel ke spreadsheet.