لمن يفيد هذا؟
- من يبحث عن OCR عربي لأول مرة ويريد أن يعرف ما يمكن توقعه منه.
- من جرّب برنامج OCR فخرجت له نتيجة ضعيفة ويريد أن يفهم السبب.
- من يجهّز مسح كمية كبيرة من الأوراق ويريد الإعدادات المناسبة من البداية.
لماذا العربية أصعب على برامج OCR؟
حروف متصلة تتغير أشكالها
للحرف الواحد شكل في أول الكلمة، وآخر في وسطها، وثالث في آخرها، والحروف تتصل ببعضها، فلا توجد مسافات واضحة بين حرف وحرف كما في الإنجليزية.
نقاط وحركات صغيرة
الفرق بين الباء والتاء والثاء نقطة، والتشكيل علامات أصغر من النقاط. وأي ضعف في المسح يضيّعها قبل غيرها.
اتجاهان في سطر واحد
النص العربي يبدأ من اليمين، لكن الأرقام والكلمات الإنجليزية داخله تُقرأ من اليسار، وعلى البرنامج أن يرتب ذلك كله في الملف الناتج.
خطوط كثيرة
النسخ المطبوع في الكتب يختلف عن حروف الآلة الكاتبة وعن خطوط العناوين الزخرفية، وبعض الخطوط الفنية صعب حتى على القارئ المتمرس.
ما الذي يحدد جودة النتيجة
دقة المسح
300 نقطة في البوصة للنص العادي، و400 للخط الصغير أو المشكول.
التباين
حبر داكن على ورق فاتح. الورق الأصفر والمسح الباهت يقللان وضوح الحروف.
الاستقامة
السطر المائل، أو المنحني قرب كعب الكتاب، أصعب في القراءة من السطر المستقيم.
نظافة الصفحة
البقع والأختام والخطوط المرسومة فوق النص تختلط بالحروف.
التخطيط
الصفحة ذات العمود الواحد أسهل من صفحة فيها أعمدة ومربعات جانبية.
ماذا نفعل بعد القراءة
نقرأ الصفحة وبنيتها
نرسل صورة كل صفحة إلى محرك قراءة حديث قائم على الذكاء الاصطناعي، يتعرف على النص وعلى بنيته: العناوين والقوائم والجداول والحواشي.
ننظّف النص العربي
نحوّل أشكال الحروف إلى حروف عادية، ونزيل علامات الاتجاه الخفية، ونصلح الأقواس المقلوبة فقط حين تكون كلها مقلوبة، دون أن نمسّ التشكيل أو نوع الأرقام.
نبني ملف Word عربياً
فقرات من اليمين لليسار، وجداول عربية تبدأ من اليمين، وأسطر مختلطة يبقى كل جزء منها في اتجاهه، ومعه ملف TXT بالنص الخام.
احكم بنفسك
لا نعطي نسبة ثابتة للنتيجة لأنها تختلف من ملف لآخر. لذلك تبدأ بـ 10 صفحات مجاناً، وتقارن أول صفحة محوّلة بصورتها قبل أن تدفع.
نصائح لنتيجة أوضح
- جرّب على أصعب صفحة في ملفك لا على أوضحها؛ فإن كانت نتيجتها مقبولة، عرفت ما تتوقعه من الباقي.
- إن كان الأصل الورقي متاحاً، فإعادة مسحه بإعدادات جيدة أنفع من محاولة تحسين صورة ضعيفة.
- لا تبالغ في فلاتر الحدّة والتباين قبل الرفع؛ المعالجة الزائدة قد تلصق الحروف ببعضها أو تمحو النقاط.
- افصل الأوراق المختلفة في ملفات مختلفة، كالمطبوع الحديث في ملف والآلة الكاتبة في آخر، فتراجع كل نوع بما يناسبه.
حدود يجب أن تعرفها
- لا يوجد OCR بلا أخطاء، وكلما ضعف المسح زاد الخطأ. راجع الأسماء والأرقام والتواريخ قبل الاعتماد على النص.
- الخط اليدوي غير مدعوم حالياً، ومنه المخطوطات والملاحظات المكتوبة على الهوامش.
- الخطوط الفنية في العناوين، كالثلث والديواني، قد تُقرأ خطأً أو لا تُقرأ.
- لا نترجم النص ولا نعيد صياغته؛ ننقل ما في الصفحة كما قُرئ.
أسئلة شائعة
ما معنى OCR؟
اختصار Optical Character Recognition، أي التعرّف الضوئي على الحروف: تحويل صورة النص إلى حروف يمكن البحث فيها وتعديلها ونسخها.
ما نسبة دقة القراءة؟
لا نعطي رقماً ثابتاً، لأن النتيجة تتغير كثيراً بين كتاب مطبوع حديثاً ونسخة مصوّرة باهتة. الطريقة الصادقة أن تجرّب على ملفك أنت، والصفحات المجانية موجودة لهذا.
هل أحتاج إلى تثبيت برنامج؟
لا، الخدمة تعمل من المتصفح على الحاسوب أو الهاتف: ترفع الملف، ثم تنزّل ملف Word أو TXT.
لماذا تختلف النتيجة بين صفحة وأخرى من الملف نفسه؟
لأن كل صفحة تُقرأ من صورتها. الصفحة المائلة أو الباهتة أو التي عليها ختم تعطي نتيجة أضعف من جارتها الواضحة، فراجعها في الأصل أولاً.
هل تُستخدم ملفاتي لتدريب المحرك؟
لا. شروط الواجهة المدفوعة التي نستخدمها تمنع استعمال بيانات العملاء في التدريب، ونحذف ملفاتك تلقائياً بعد 7 أيام.