Распознавание текста (OCR)

Инструмент извлекает текст с фотографий, скриншотов, сканов и PDF-файлов. По умолчанию распознаёт наш сервер: он выравнивает снимок, увеличивает мелкий кадр и сам определяет, что страницу сфотографировали боком, — поэтому с обычного фото документа текст выходит читаемым, а не набором случайных букв. Одним щелчком можно переключиться в режим «в браузере»: тогда файл не отправляется на сервер сайта, распознавание идёт локально через Tesseract.js (WebAssembly), но качество на фотографиях заметно ниже, а при первом запуске браузер скачает словарь языка (около 12 МБ).

PDF с текстовым слоем разбирается прямо в браузере через pdf.js — текст берётся как есть, без ошибок распознавания. Сканированные PDF и страницы-сканы внутри PDF распознаёт сервер; в режиме «в браузере» сканы PDF не распознаются — инструмент скажет об этом, а если в файле есть и страницы с текстом, назовёт пропущенные. Результат сохраняет расположение: строки, отступы и колонки остаются на своих местах, а таблицы восстанавливаются по ячейкам — их можно скопировать в Excel или скачать файлом .xlsx и CSV. Максимальный размер файла — 20 МБ, количество файлов не ограничено.

Оцифровка документов: договоры, акты, счета, паспортные данные, медицинские справки. Распознанный текст можно отредактировать, перевести, отправить в CRM или поиск.

Извлечение цитат из книг и статей: фотография страницы → текст для конспекта, презентации или диплома. Сэкономит часы переписывания вручную.

Перевод вывесок, меню, инструкций в путешествии: загрузите фото, выберите язык оригинала — получите текст для копирования в Google Translate или DeepL.

Корпоративные задачи: распознавание чеков для отчётов, актов выполненных работ, инвойсов поставщиков. Табличная часть счёта или акта переносится в Excel по ячейкам — остаётся сверить итоги, а не перепечатывать документ.

Доступность: преобразование PDF-учебников и инструкций в редактируемый текст для слабовидящих и пользователей с экранными ридерами.

Базовая точность Tesseract на чистом печатном тексте — 95–99%. На рукописном — 30–60%. На размытых сканах с шумом — 60–85%. В режиме «в браузере» рядом с результатом показывается оценка точности (confidence) для каждого файла; серверный режим такую оценку не выводит.

Разрешение скана: минимум 300 DPI, оптимально 400–600 DPI. Сканы 150 DPI и фото с телефона при низком освещении дают точность 60–75%. Перед OCR можно увеличить контрастность в редакторе и выпрямить геометрию.

Выбор языка: для документов на двух языках используйте режим «Русский + English» — модели работают вместе. Если документ на одном языке — оставьте только его, точность будет выше на 5–10%.

Что плохо распознаётся: рукописный текст (особенно курсив), формулы, декоративные шрифты, редкие символы (знаки валют, эмодзи, специальные знаки). Таблицы инструмент восстанавливает по строкам и колонкам, но объединённые ячейки и сложные бланки с многоуровневой шапкой может понадобиться поправить вручную. Для рукописи нужны нейросетевые сервисы вроде Google Cloud Vision или Yandex Vision OCR.

Режимов два, и вы выбираете его сами прямо над кнопкой. В режиме «в браузере» файл не загружается на сервер сайта и не попадает в его журналы: распознавание идёт на вашем устройстве. В режиме «на сервере» (он стоит по умолчанию, потому что распознаёт заметно точнее) файл отправляется на наш сервер в России, обрабатывается и удаляется сразу после распознавания (самое позднее — через 20 минут) — он не индексируется, не передаётся третьим сторонам и не используется ни для чего, кроме самого распознавания.

В браузерном режиме движок и словари языков скачиваются один раз с нашего сервера и кешируются в браузере. Они не передают обратно никаких данных — это статические бинарные файлы. Сам распознанный текст мы не храним ни в одном из режимов.

Если вы работаете с персональными данными — паспортами, справками, договорами — и не хотите, чтобы файл попадал на сервер, выберите режим «в браузере»: распознавание идёт на вашем устройстве, и файл на сервер сайта не отправляется. В серверном режиме файл обрабатывается на нашем сервере на территории России и удаляется сразу после распознавания (самое позднее — через 20 минут).