Lisez le thaï à partir d’une image. Le thaï s’écrit sans espaces entre les mots et empile des voyelles et des marques de ton au-dessus et en dessous de la ligne consonantique, donc une ligne de thaï revient comme une écriture continue plutôt que divisée en mots — c’est-à-dire l’écriture qui se comporte normalement, pas que le reconnaisseur échoue. L’anglais sur la même page est également lu.
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
- Pourquoi n’y a-t-il pas d’espacement entre les mots ?
- Le thaï n’écrit pas les espaces entre les mots ; les espaces marquent plutôt les fins des propositions. Diviser une ligne thaï en mots est un problème distinct de sa lecture, et la deviner introduirait des ruptures qui ne sont pas dans le document.
- 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.