圖片轉文字

運作方式

光學文字辨識（OCR）是人們面對無法複製文字的螢幕截圖、需要變成文字的掃描頁面，或文件照片時會用到的工具。它也是最難以說服人上傳的一種，因為這些圖片通常是文件、收據或往來信件。

它在您的裝置上執行，這對 OCR 來說並不常見

幾乎所有免費的 OCR 服務都會上傳圖片，並在伺服器上完成工作。這個工具是在頁面中執行編譯成 WebAssembly 的 Tesseract。代價是第一次使用時要一次性下載約 11 MB 的辨識資料，之後由瀏覽器快取，而辨識本身會使用您自己的處理器。

它擅長什麼，不擅長什麼

螢幕截圖、乾淨的掃描檔，以及正面拍攝的印刷文件，都能得到很好的結果。歪斜的文字、光線不佳、背景雜亂，或使用特殊顯示字型的文字，結果就不好。手寫在任何實際意義上都不支援。它讀取的是英文。

版面設定比人們預期的更重要

「整頁文字」適合有段落的文件。「單一區塊」較適合只有一段文字的螢幕截圖。「單一行」用於說明文字或序號。「零散文字」則適合文字分散在多個不相關位置的標誌與標籤。選錯模式是輸出品質不佳的常見原因。

如何得到更好的結果

執行前先只裁切出文字部分。旋轉圖片，讓文字行保持水平。更高的解析度在某個程度內有幫助，相當於約 300 dpi 最理想，超過之後只會增加時間，不會提高準確度。