Arabische Schrift aus einem Bild zu lesen, wobei die Lesereihenfolge von rechts nach links im Output erhalten bleibt und nicht umgekehrt ist. Arabische Buchstaben verändern je nach Position in einem Wort ihre Form, was die Schrift für OCR schwierig macht und wofür dieses Paket ausgebildet ist. Dasselbe Modell lautet Persisch, Urdu, Uigurisch, Paschtu, Kurdisch, Sindhi und Balochi.
So funktioniert es
- Ein Bild oder PDF. Die Texterkennung läuft sofort.
- Wählen Sie Ihr Sprachpaket (einmal heruntergeladen, 8–17 MB) und drücken Sie auf Text lesen.
- Kopieren Sie die Zeilen oder laden Sie .txt / .json herunter. PDFs werden von Anfang bis Ende gelesen.
Häufige Fragen
- Ist der Text im Output von rechts nach links?
- Yes. Reading order comes from the language pack rather than from guessing at the characters, so Latin words inside an Arabic line are left alone instead of being flipped. The searchable-PDF export writes the same order.
- Wird meine Datei hochgeladen?
- Nein. Die Modelle und die gesamte Verarbeitung laufen in deinem Browser auf deinem eigenen Gerät. Du kannst das selbst überprüfen: Öffne die DevTools deines Browsers, schau dir den Netzwerk-Tab an und bearbeite eine Datei: Es gibt keine Uploads. Nach dem ersten Besuch funktionieren die meisten Tools auch vollständig offline.
- Welche Sprachen werden unterstützt?
- 106 Sprachen in lateinischen, kyrillischen, arabischen, Devanagari, CJK, griechischen, thailändischen, tamilischen und teluguischen Schriften. Bengali ist die einzige große Lücke, da es dafür noch kein v5-Modell gibt und der Picker das sagt, anstatt zu raten.
- Wie genau ist das?
- Bei sauberem Dokumenttext liegt die gemessene Fehlerquote unter 2 %, und jede Zeile trägt einen Konfidenzwert, sodass man sehen kann, welche man überprüfen sollte. Handschrift und Fotos in niedriger Auflösung werden schlechter wirken.
- Liest es gescannte PDFs?
- Ja. Digitale PDFs werden von einer eigenen Textschicht aus gelesen, mit exakten Zeichen an exakten Stellen. Gescannte Seiten werden erkannt und erkannt, und gemischte Dokumente verwenden beides.