Đọc chữ Bangla từ hình ảnh

Bangla ảnh hưởng thế nào đến việc đọc

Mô hình tiếng Bengal đọc theo cụm chứ không theo từng chữ cái. Một chữ ghép như ক্ষ hay ন্ত্র là một hình duy nhất trên trang, và mô hình phải quyết định cả nó là gì và nó tách thành Unicode như thế nào — vì vậy một lỗi đọc trong tiếng Bangla thường cho ra một chữ ghép sai hoặc một dấu nguyên âm đặt nhầm chữ cái, chứ không phải sai hẳn một chữ cái. Kết quả ra theo thứ tự Unicode mong đợi: dấu nguyên âm đứng sau cụm phụ âm của nó, reph được viết là র + hasanta trước cụm mà nó nằm trên, và nguyên âm hai phần ra thành một mã ký tự duy nhất. Đó là thứ tự mà mọi ô tìm kiếm, trình kiểm tra chính tả và font đều mong đợi, và ngược với thứ tự hiển thị mà người gõ Bijoy quen dùng.

Mọi việc bộ đọc thông thường làm đều được làm ở đây: cân bằng nền giấy, làm thẳng trang, đọc bảng có đường kẻ theo từng ô để nhãn và giá trị không dính vào nhau, và kết quả trả về hoặc giữ bố cục như trang gốc hoặc nối thành đoạn văn. Số được đọc là chữ số Bengal khi chúng in bằng chữ số Bengal; một biểu mẫu trộn ০১২ với 012 giữ cả hai.

Tiếng Bengal không dùng chung mô hình với ngôn ngữ nào khác, nhưng bức ảnh vẫn có thể chứa tiếng Anh — một tiêu đề thư, một số tham chiếu, một khối chữ ký — và ngôn ngữ này đọc ngôn ngữ kia thành vô nghĩa. Thêm tiếng Anh từ danh sách sẽ đọc trang bằng cả hai gói và giữ mỗi từ ở đúng hệ chữ mà nó được in.

Khi bạn cần công cụ khác

Một tài liệu Bijoy còn tồn tại dưới dạng file thì nên chuyển đổi hơn là chụp ảnh. OCR dựng lại chữ từ pixel và sai vài ký tự trên một nghìn ngay cả với trang tốt nhất; công cụ Chuyển Bijoy sang Unicode dựng lại từ các phím đã gõ và không sai ký tự nào, lại giữ được chữ đậm và bảng. Chỉ chụp trang giấy khi file đã mất.

Với cả một cuốn sách hay một kho bản scan, công cụ trên máy tính mới là hình dạng phù hợp: một công cụ OCR dòng lệnh dùng cùng mô hình tiếng Bengal đọc cả thư mục qua một đêm, và OCRmyPDF thêm lớp văn bản tìm kiếm được cho mọi PDF trong đó. Trang này dành cho trang giấy đang ở trước mặt bạn.