Lisez l’écriture arabe à partir d’une image, avec l’ordre de lecture de droite à gauche préservé dans la sortie plutôt que inversé. Les lettres arabes changent de forme selon leur position dans un mot, ce qui rend l’écriture difficile pour OCR et ce pour quoi cette meute est entraînée. Le même modèle indique le persan, l’ourdou, l’ouïghour, le pachto, le kurde, le sindhi et le baloutche.
Comment ça marche
- Publiez une image ou PDF. La détection de texte s’active immédiatement.
- Choisissez votre pack linguistique (téléchargé une fois, 8–17 Mo) et appuyez sur Lire le texte.
- Copiez les répliques, ou téléchargez .txt / .json. Les PDF se lisent de la première à la dernière page.
Questions fréquentes
- Le texte est-il de droite à gauche dans la sortie ?
- 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.
- Est-ce que mon fichier est téléchargé ?
- Non. Les modèles et tous les traitements s’exécutent dans votre navigateur sur votre propre appareil. Vous pouvez vérifier vous-même : ouvrez le DevTools de votre navigateur, surveillez l’onglet Réseau et traitez un fichier : il n’y a pas de téléchargements. Après la première visite, la plupart des outils fonctionnent aussi entièrement hors ligne.
- Quelles langues sont prises en charge ?
- 106 langues comprenant les écritures latine, cyrillique, arabe, devanagari, CJK, grecque, thaï, tamoule et télougou. Le bengali est le seul grand manque, puisqu’il n’existe pas encore de modèle v5 pour celui-ci, et le sélectionneur le dit plutôt que de deviner.
- Quelle est sa précision ?
- Sur un texte de document épuré, le taux d’erreur mesuré est inférieur à 2 %, et chaque ligne comporte un score de confiance pour que vous puissiez voir lesquelles vérifier. L’écriture manuscrite et les photos basse résolution se liraient pire.
- Est-ce qu’il lit les PDF numérisés ?
- Oui. Les PDF numériques sont lus depuis leur propre couche de texte, avec des caractères exacts aux positions exactes. Les pages numérisées passent par détection et reconnaissance, et les documents mixtes utilisent les deux.