Fotoğraflardaki, ekran görüntülerindeki veya taranmış evraklardaki yazıları tarayıcıda metne dökün.
Fiziksel kitap sayfalarını, basılı sözleşmeleri, taranmış faturaları veya PDF dokümanlarını klavyeyle tek tek elle yazmak devasa bir zaman israfıdır. Optik Karakter Tanıma (OCR - Optical Character Recognition) teknolojisi; görsellerdeki piksel desenlerini analiz ederek insan yazısını düzenlenebilir, kopyalanabilir ve aranabilir dijital metne dönüştürür. Çoğu çevrimiçi OCR servisi gizli evraklarınızı üçüncü taraf bulut sunucularına yüklemenizi zorunlu kılarken; çevrimdışı OCR stüdyosu Tesseract WebAssembly ve PDF.js altyapısıyla verinizi cihazınızdan hiç çıkarmadan işler.
300 DPI Efsanesi ve Gerçek Piksel Çözünürlüğü: Belge sayısallaştırmada yaygın bir yanılgı, OCR motorunun mutlaka '300 DPI' EXIF başlığına ihtiyaç duyduğudur. Aslında fiziksel DPI bir yazıcı metriğidir; yapay zekâ sinir ağı gerçek piksel detayına ve karakter x-yüksekliğine (harf başına en az 20–30 piksel) bakar. Örneğin 72 DPI ile kaydedilmiş 3840×2160 piksel bir akıllı telefon fotoğrafı devasa piksel detayına sahiptir ve %98'in üzerinde başarıyla tanınır. Buna karşılık, 300 DPI başlığı taşıyan ama sadece 200×150 piksel olan küçük bir resim başarısız olur çünkü harflerde yalnızca 3-4 piksel bulunur. Araç, yapay DPI kısıtlaması koymaksızın doğrudan piksel keskinliğini ve Otsu binarizasyonunu temel alır.
Güven Skoru ve Sözleşme: Arayüzde raporlanan ortalama güven skoru ve sözcük kutuları, derin öğrenme modelinin glif şekil eşleşmesindeki istatistiksel kesinliğidir; hukuki veya mutlak bir doğruluk garantisi değildir. Düşük güvenli sözcükler inceleme paneliyle editöre ve kutulara bağlanır.
Karakter Tanıma: Piksel Matrisi (Ölçekleme + Gri Ton/Otsu) ➔ Tesseract.js LSTM Sinir Ağı ➔ Sözcük/Satır Sınır Kutuları + Güven Skoru (%) ➔ JSON / TXT
Görsel piksel matrisi taranarak metin satırları ve karakter glifleri ayrıştırılır; WebAssembly üzerinde çalışan LSTM derin öğrenme modeli harfleri yüksek doğrulukla metne ve koordinat kutularına dönüştürür.