সেরা OCR টুল – ছবির লেখা সহজেই এডিটেবল টেক্সটে রূপান্তর করুন

OCR টুল কী করে

ওয়ার্কফ্লোতে তিনটি অংশ আছে: আপলোড, রিকগনিশন এবং রিভিউ। আপলোড এরিয়ায় ব্রাউজ করে অথবা ড্র্যাগ-অ্যান্ড-ড্রপ করে ইমেজ ফাইল যোগ করা যায়। একটি ভাষা সিলেক্টর দিয়ে আপনি এক বা একাধিক রিকগনিশন ভাষা বেছে নিতে পারেন। একটি ঐচ্ছিক সুইচ চালু করলে টেক্সট অঞ্চল আলাদা করার জন্য ক্রপ ও জুম এডিটর পাওয়া যায়।

Run OCR চাপলে Tesseract.js নির্বাচিত ভাষার ডেটা লোড করে ইমেজটি প্রসেস করে। ফলাফল একটি টেক্সট এডিটরে দেখা যায়, সাথে একটি কনফিডেন্স স্কোর থাকে। ডাউনলোড করার আগে আপনি টেক্সটটি সম্পাদনা করতে পারেন, যা গুরুত্বপূর্ণ কারণ OCR খুব কমই নিখুঁত হয়।

আউটপুট ফরম্যাট মেনুতে Text (.txt), PDF (.pdf) এবং Word (.doc) রয়েছে। TXT ও Word এক্সপোর্ট ব্রাউজারেই তৈরি হয়। PDF এক্সপোর্টের ক্ষেত্রে রিকগনাইজ করা টেক্সটটি রেন্ডার করার জন্য সার্ভারে পাঠানো হয়।

কীভাবে টেক্সট বের করবেন

1. একটি ইমেজ আপলোড করুন। পরিষ্কার, সোজা এবং ভালো আলোয় তোলা ছবি তির্যকৃত বা ছায়াওয়া ছবির চেয়ে ভালো কাজ করে।
2. ইমেজে থাকা ভাষা বা ভাষাগুলো নির্বাচন করুন। সম্পর্কহীন ভাষা বেছে নিলে নির্ভুলতা কমে যায়।
3. ইমেজে অতিরিক্ত ব্যাকগ্রাউন্ড থাকলে ক্রপ অপশন চালু করুন এবং টেক্সট এরিয়া ফ্রেমে আনুন।
4. Run OCR চাপুন এবং ভাষার ডেটা লোড হওয়া ও রিকগনিশন শেষ হওয়া পর্যন্ত অপেক্ষা করুন।
5. কনফিডেন্স স্কোর দেখুন এবং ভুলের জন্য টেক্সটটি পর্যালোচনা করুন।
6. এক্সপোর্ট করার আগে নাম, সংখ্যা ও বিরামচিহ্ন সম্পাদনা করুন।
7. TXT, PDF বা Word বেছে নিয়ে ফলাফল ডাউনলোড করুন।

প্রথম রানে সময় বেশি লাগতে পারে, কারণ ব্রাউজারকে ভাষার ডেটা ডাউনলোড করতে হয়। পরবর্তী রানে ব্রাউজার অনুমতি দিলে ক্যাশ করা ডেটা পুনরায় ব্যবহার করা যায়।

ভাষা ও লিপি

১৫টি ভাষার তালিকায় কয়েকটি ভারতীয় লিপির সাথে ইংরেজি, ফরাসি, জার্মানি ও স্প্যানিশ রয়েছে। ডকুমেন্টে একাধিক লিপি মিশ্রিত থাকলে আপনি একাধিক ভাষা নির্বাচন করতে পারেন, তবে প্রতিটি অতিরিক্ত ভাষা প্রসেসিং সময় ও মেমরি ব্যবহার বাড়ায়।

এই টুলে চীনা, জাপানি বা কোরীয় ভাষার ডেটা নেই। এসব লিপির জন্য উপযুক্ত মডেলসহ একটি নির্দিষ্ট OCR সার্ভিস ব্যবহার করুন। এটি টেক্সট অনুবাদও করে না; এটি যে অক্ষরগুলো চিনতে পারে সেগুলো মূল ভাষাতেই ফিরিয়ে দেয়।

হাতে লেখা টেক্সটের ক্ষেত্রে নির্ভুলতা ছাপা টেক্সটের চেয়ে অনেক কম। ছাপা পাতার পরিষ্কার স্ক্যানই সেরা ক্ষেত্র। হাতে লেখার ছবি, স্টাইলাইজড ফন্ট বা কম রেজল্যুশনের স্ক্রিনশট অনির্ভরযোগ্য ফলাফল দিতে পারে।

নির্ভুলতা উন্নত করা

আপনার কাছে যে ইমেজে সর্বোচ্চ রেজল্যুশন আছে তা দিয়ে শুরু করুন। টেক্সট এরিয়ায় ক্রপ করুন, পাতাটি সোজা রাখুন এবং ঝলক বা গভীর ছায়া এড়িয়ে চলুন। ইমেজটি রোটেটেড থাকলে ক্রপ এডিটরের রোটেশন ব্যবহার করুন অথবা আপলোডের আগে একটি ফটো এডিটরে সোজা করে নিন।

সঠিক ভাষা বেছে নিন। ডকুমেন্টটি মূলত ইংরেজি হলে এবং অল্প কিছু নাম অন্য লিপিতে থাকলে, প্রথমে ইংরেজি দিয়ে চেষ্টা করুন এবং নামগুলো হাতে শোধরান। একটি লিপি প্রধান হলে মিশ্র ভাষা মডেলকে বিভ্রান্ত করতে পারে।

সংখ্যা, তারিখ ও কোড অক্ষরে অক্ষরে যাচাই করুন। OCR প্রায়ই 0 ও O, 1 ও l, 5 ও S এবং একই রকম আকৃতির অক্ষরগুলোর মধ্যে গুলিয়ে ফেলে। কনফিডেন্স স্কোর একটি নির্দেশক, নিশ্চয়তা নয়।

আউটপুট ফরম্যাট

Text এক্সপোর্টই সবচেয়ে নিরাপদ। এটি রিকগনাইজ করা অক্ষরগুলো অক্ষুণ্ণ রাখে এবং যেকোনো এডিটরে কাজ করে। PDF টেক্সট থেকে একটি সাধারণ ডকুমেন্ট তৈরি করে; এটি মূল ইমেজের লেআউট সংরক্ষণ করে না এবং OCR লেয়ারসহ স্ক্যান করা PDF-এর মতো সার্চযোগ্যও করে না।

Word অপশন .doc এক্সটেনশনসহ একটি HTML ডকুমেন্ট তৈরি করে, সত্যিকারের DOCX ফাইল নয়। Word সাধারণত এটি খুলতে পারে, তবে জটিল ফরম্যাটিং সংরক্ষিত হয় না। পরিষ্কার ও সম্পাদনাযোগ্য ডকুমেন্টের জন্য টেক্সটটি আপনার ওয়ার্ড প্রসেসরে পেস্ট করে সেখানে স্টাইল প্রয়োগ করুন।

ফন্টের সীমাবদ্ধতার কারণে সার্ভারে তৈরি PDF-এ নন-ল্যাটিন টেক্সট খারাপভাবে রেন্ডার হতে পারে। লিপি গুরুত্বপূর্ণ হলে TXT এক্সপোর্ট ব্যবহার করুন এবং সঠিক ফন্ট আছে এমন অ্যাপ্লিকেশনে PDF তৈরি করুন।

সীমা ও গোপনীয়তা

OCR-এর জন্য ইমেজটি স্থানীয়ভাবে প্রসেস হয়। শুধুমাত্র বের করা টেক্সটটি PDF তৈরির জন্য সার্ভারে পাঠানো হয়; TXT ও Word এক্সপোর্টে টেক্সট আপলোড হয় না। পেজে কোনো অ্যাকাউন্ট তৈরি হয় না বা ইতিহাস রাখা হয় না, তবে ব্রাউজার ভাষার ডেটা ক্যাশ করতে পারে।

পেজে ইমেজের সাইজের কোনো সুস্পষ্ট সীমা নেই, তবে খুব বড় ইমেজ ডিকোড ও রিকগনাইজ করতে ধীরে লাগে। উচ্চ রেজল্যুশনের ফোনের ছবি লেগে দীর্ঘ সময় লাগতে পারে এবং উল্লেখযোগ্য মেমরি ব্যবহার করতে পারে। পেজ响应 না দিলে বা অসাড় হয়ে গেলে আপলোডের আগে বড় ইমেজের সাইজ ছোট করে নিন।

এই টুলটি একটি ডকুমেন্ট ম্যানেজমেন্ট সিস্টেম নয়। এটি আপনার OCR ফলাফল সংরক্ষণ করে না, টেবিল নির্ভরযোগ্যভাবে শনাক্ত করে না, কলাম সংরক্ষণ করে না বা টেক্সট যাচাই করে না। প্রতিটি ফলাফলকে এমন খসড়া হিসেবে বিবেচনা করুন যার মানব পর্যালোচনা প্রয়োজন, বিশেষত আইনি, চিকিৎসা বা আর্থিক ডকুমেন্টের ক্ষেত্রে।

স্ক্যান ও স্ক্রিনশট প্রস্তুত করা

সমতল ও সমান আলোয় থাকা ইমেজ চিনতে, কোণে তোলা ছবির চেয়ে সহজ। স্ক্যান করলে 300 DPI ব্যবহার করুন এবং টেক্সট পরিষ্কার থাকে এমন গ্রেস্কেল বা কালার মোড বেছে নিন। কোনো পাতার ছবি তুললে ফ্রেমটি টেক্সট দিয়ে ভরে নিন, আপনার হাত বা ফোনের ছায়া এড়িয়ে চলুন এবং ক্যামেরাটি পাতার সমান্তরালে রাখুন।

স্ক্রিনশটের জন্য স্কেল-ডাউন করা ভিউয়ের বদলে ১০০ পারসেন্ট জুমে ক্যাপচার করুন। স্ক্রিনে পড়ার মতো দেখাচ্ছে এমন ছোট লেখা OCR-এর জন্য পিক্সেলের পরিমাণ যথেষ্ট নাও হতে পারে। ব্রাউজার ক্রোম, সাইডবার ও বিজ্ঞাপন কেটে দিন, যাতে ইঞ্জিনটি কনটেন্টের দিকে মনোযোগ দেয়।

ছবিতে টেবিল থাকলে OCR সাধারণত লেখা পড়তে পারে, কিন্তু কলামগুলো ঠিক রাখতে পারে না। লেখাটি এক্সপোর্ট করে স্প্রেডশিট বা ডকুমেন্ট এডিটরে টেবিলটি নতুন করে তৈরি করুন। পড়ার ক্রম ভিজ্যুয়াল ক্রমের সঙ্গে মেলে কিনা তা ধরে নেবেন না।

OCR আউটপুট পর্যালোচনা করা

লেখাটি মেমরি থেকে নয়, ছবির সঙ্গে মিলিয়ে পড়ুন। প্রথমে নিজস্ব নাম, সংখ্যা, তারিখ, মুদ্রার চিহ্ন ও বিরামচিহ্ন যাচাই করুন। এগুলোই সবচেয়ে বেশি ভুল হওয়ার সম্ভাবনার ঘটক এবং যাচাই না করলে ক্ষতি সবচেয়ে বেশি। রেঞ্জের উপরের দিকের কনফিডেন্স স্কোর আশ্বাস দেয়, তবে প্রতিটি লাইনের জন্য নিশ্চয়তা দেয় না।

একটি প্যাটার্ন শনাক্ত করার পর, যেমন কোনো একটি অক্ষর ধারাবাহিকভাবে ভুল পড়া হচ্ছে, পুনরাবৃত্ত ভুলের জন্য ফাইন্ড-অ্যান্ড-রিপ্লেস ব্যবহার করুন। সঠিক কোনো উপস্থিতি প্রতিস্থাপন করে ফেলবেন না। দীর্ঘ ডকুমেন্টের ক্ষেত্রে একবারে ভরসা না করে পেজ ধরে ধরে পর্যালোচনা করুন।

লেখাটি কোনো ফর্মের জন্য হলে সেটি ফর্মে কপি করে ফিল্ডের সীমা যাচাই করুন। ফর্ম একটি লাইন আশা করলেও OCR কিছু জায়গায় লাইন ব্রেক ঢুকিয়ে দিতে পারে। জমা দেওয়ার আগে স্পেসিং ঠিক করে নিন।

TXT, PDF ও Word ওয়ার্কফ্লো

এডিটিং ও আর্কাইভিংয়ের জন্য TXT দিয়ে শুরু করুন। এটি সবচেয়ে কম ক্ষতির এবং সবচেয়ে সহজে সার্চ করা যায়। PDF-এর প্রয়োজন হলে কাঁচা OCR আউটপুট থেকে নয়, সংশোধিত লেখা থেকে তৈরি করুন। সার্ভারে তৈরি PDFটি সাধারণ টেক্সট রেন্ডার; এটি সোর্স ছবি বা জটিল লেআউট সংরক্ষণ করে না।

Word এক্সপোর্টটি ওয়ার্ড প্রসেসরে খোলার সুবিধার জন্য, DOCX-এর নিখুঁত রূপান্তরের জন্য নয়। ইমপোর্টের পর ওয়ার্ড প্রসেসরেই হেডিং, ফন্ট ও টেবিল প্রয়োগ করুন। নন-ল্যাটিন স্ক্রিপ্ট ঠিকভাবে রেন্ডার হয় কি না যাচাই করুন; না হলে TXT ফাইলটি ব্যবহার করুন এবং এমন ফন্ট বেছে নিন যা ওই স্ক্রিপ্ট সমর্থন করে।

ডকুমেন্টটির পরে যাচাইয়ের প্রয়োজন হতে পারে বলে মনে হলে মূল ছবিটি লেখার পাশেই রাখুন। OCR একটি ট্রান্সক্রিপশন সহায়ক, প্রত্যয়িত অনুলিপি নয়।

সাধারণ জিজ্ঞাসিত প্রশ্ন