画像からベンガル語を読み取る

ページの写真、スキャン、スクリーンショットから、ベンガル語の文字をUnicodeテキストとして取り出せます。検索も編集もでき、そのまま貼り付けられます。読み取りは画像が届く前からベンガル語に設定されているので、判別することも選ぶこともありません。画像は保存されません。

保存しません
順番待ちなし
登録不要・透かしなし

使い方

画像を追加

本のページの写真、古い通達、スキャンした証明書、ベンガル語テキストのスクリーンショットなど。JPG、PNG、WebP、HEIC、TIFFに対応し、斜めに撮った写真は先に傾きを補正します。

読み取る

ベンガル語はすでに選択されています。フォームやレターヘッドなど、ページに英語も含まれる場合は一覧から追加すると、両方を読み取ります。

Unicodeとしてコピー

元の印刷に使われたフォントが何であっても、テキストはUnicodeで出力されます。SutonnyMJの通達も「evsjv‡`k」ではなく、普通のベンガル語として読めます。レイアウトを保つか行をつなげるかを選び、コピーまたはダウンロードします。

ベンガル語の読み取りで起きること

ベンガル語モデルは文字ではなく結合文字のまとまりを読み取ります。ক্ষやন্ত্রのような結合文字はページ上では1つの形で、モデルはそれが何であるかと、Unicodeでどう分解されるかの両方を判断しなければなりません。そのためベンガル語の誤読は、文字そのものの間違いよりも、結合文字の間違いや、母音記号が別の文字に付く形で現れるのが普通です。出力はUnicodeが期待する順序になります。母音記号は子音のまとまりの後に、レフはその上に乗るまとまりの前にর + ハサンタとして、2つに分かれる母音記号は1つのコードポイントとして出力されます。これはあらゆる検索ボックス、スペルチェッカー、フォントが期待する順序であり、Bijoyのタイピストが入力する表示順とは逆です。

通常の読み取りで行うことは、ここでもすべて行います。紙の明るさを均一にし、ページの傾きを補正し、罫線のある表はセルごとに読み取って項目名と値が混ざらないようにし、結果は元のレイアウトのまま、または段落につなげて返します。ベンガル数字で印刷された数字はベンガル数字として読み取り、০১২と012が混在するフォームでは両方が保たれます。

ベンガル語のモデルはほかの言語と共有されていませんが、画像にはレターヘッド、参照番号、署名欄などの英語が含まれることがあり、一方の言語はもう一方を意味不明な文字列として読み取ります。一覧から英語を追加すると両方のパックでページを読み取り、各単語を印刷されたとおりの文字体系で保ちます。

ほかの目的には

ファイルとしてまだ存在するBijoyの文書は、撮影するより変換するほうが確実です。OCRはピクセルからテキストを作り直すため、最良のページでも1,000文字に数文字は間違えます。Bijoy Unicode変換はキー入力からテキストを作り直すため1文字も間違えず、太字や表も保たれます。ページを撮影するのは、ファイルが失われたときだけにしてください。

本1冊やスキャンのアーカイブ全体には、デスクトップツールが適しています。同じベンガル語モデルを使うコマンドラインのOCRツールならフォルダー全体を一晩で読み取れ、OCRmyPDFは中のすべてのPDFに検索可能なテキストレイヤーを追加します。このページは目の前の1ページのためのものです。

よくある質問

画像はどこかに保存されますか？

いいえ。言語パックはその言語を初めて使うときにこのサイトから読み込まれます。画像そのものは保存されず、どこにも送信されないので、Wi-Fiをオフにしても動作します。

ベンガル語はどのくらい正確に読み取れますか？

SutonnyMJ、Nikosh、Kalpurush、SolaimanLipiなど一般的な書体で印刷されたベンガル語（本や新聞など）を、正面からピントを合わせて撮影したものなら、よく読み取れます。ぼやけたり色あせたページでは、結合文字がところどころ間違います。誤りはこの文字体系ならではのもので、モデルがその形で見たことのない文字に付いたレフや母音記号、小さく印刷された結合文字などです。300 dpiの鮮明なスキャンはスマートフォンの写真より、日光の下で撮った写真は蛍光灯の下で撮った写真より、よく読み取れます。

Bijoyの文書でも使えますか？

はい。むしろ最も役立つ使い方の1つです。OCRはフォントのコードポイントではなく文字の画像を読み取るため、SutonnyMJで入力されたページはそのままUnicodeのベンガル語として出力され、変換は不要です。まだBijoyのままのWordファイル（画像ではなくテキスト）の場合は、代わりにBijoy Unicode変換を使ってください。書式が保たれ、読み取りの誤りも起きません。

なぜベンガル語だけ別のページなのですか？

判別には時間がかかり、ほかの文字体系よりベンガル語で間違うことが多いからです。ラテン文字のレターヘッド、スタンプ、数字があるページは英語として読み取られ、自信満々の意味不明なページが返ってくることがあります。画像が届く前に言語を決めておけば、ページを開いた瞬間からベンガル語パックのダウンロードが始まり、間違った言語をオーディションすることもありません。通常の画像文字読み取りのページは、判別をオンにして同じ処理を行い、あらゆる言語の画像に対応します。

手書き文字は読み取れますか？

活字体のブロック体なら読み取れることがありますが、続け字の手書きは、ベンガル語でもほかの文字体系でも読み取れません。これはあらゆる一般的なOCRツールに共通することです。手書き文字認識のページではこの点をはっきり説明し、読み取れた結果を表示します。

スキャンしたPDFの場合は？

文書全体にはベンガル語PDF Word変換を使ってください。すべてのページを同じ方法で読み取り、.docxとして受け取れます。このページは1枚の画像のためのものです。

ご注意： 印刷された文字のみ対応し、続け字の手書きは認識できません。装飾的なベンガル語書体、写真の上の文字、ひどく色あせた印刷は部分的な結果になります。アッサム語は別のパックなので、アッサム語のページでは一覧から追加してください。結果はプレーンテキストで、太字、色、画像そのものは引き継がれません。

このツールをあなたのサイトに設置

ブログ、授業のページ、ヘルプ記事などに無料で設置できます。コードを1つ貼り付けるだけで、訪問者がそのページ上でツールを使えるようになります。