تبدیل سند اسکنشده به متن با هوش مصنوعی
متن یک سند تصویری رو برای جستجو در آرشیو خانوادگیتون آماده کنید. شماره صفحه، املای اصلی و جاهای ناخوانا کنار تصویر باقی میمونن.
تبدیل سند اسکنشده به متن با هوش مصنوعی برای وقتی خوبه که میدونید کلمهای رو در یکی از اسناد خانوادگی دیدید، اما جستجو در آرشیو پیداش نمیکنه چون صفحه فقط یک عکسه. اسکیل transcribe-source نوشته روی صفحه رو میخونه و یک فایل متنی کنار همون منبع میذاره. بعد میتونید واژهای رو پیدا کنید و برای دیدن دستخط، دوباره به تصویر برگردید.
در رونویسی قرار نیست غلط املایی یک نامه قدیمی اصلاح بشه. اگر خواننده بین دو کلمه شک داره یا بخشی از حاشیه افتاده، باید معلوم باشه کجا به بررسی بیشتری نیاز هست. ترتیب صفحهها و نشانههای تردید کمک میکنن کسی که به اصل سند دسترسی داره، دقیقا همون قسمت رو نگاه کنه. بخشی هم که از قبل در فایل متن قابل انتخاب داره، میتونه مستقیم استخراج بشه.
کاربردها
- در رونویسی سند قدیمی املای نوشته و خطای نویسنده رو همونطور که روی صفحه هست نگه دارید.
- برای جستجو در متن اسکن، نسخه تایپشده رو به منبع قبلی آرشیو وصل کنید و فهرست رو تازه کنید.
- برای ثبت واژه ناخوانا از ایجنت بخواید تردید رو کنار همون عبارت نشون بده تا بعدا پیداش کنید.
- هنگام خواندن سند چندصفحهای، شماره صفحههای اصل رو نگه دارید تا بشه هر قسمت رو دوباره بررسی کرد.
- اگر متن سند با توضیح قبلی جور درنمیاد، اختلاف رو به عنوان سوال ثبت کنید تا دربارهش تصمیم بگیرید.
نصب و استفاده
- اسکیل و ابزار پایتون Plaintext رو نصب کنید. برای استخراج متن آماده از PDF، بسته pypdf و برای اسکن، ایجنتی لازم دارید که تصویر رو بخونه.
- از آرشیو خصوصیتون یک سند انتخاب کنید و بگید «این دو صفحه رو با املای خودشون بنویس و هر جا شک داری علامت بذار».
- چند واژه رو در آرشیو جستجو کنید و نتیجه رو با تصویر مقایسه کنید، مخصوصا جاهایی که قبلا دربارهشون تردید داشتید.
سوالات متداول
منبع
ساخته asielen. نام اصلی: transcribe-source، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub