फ़ोन कैमरे से सटीक OCR का राज़

पाठ पहचान अक्षरों के आकार मिलाकर काम करती है। घुमावदार पेज पर एक ही अक्षर बाहरी किनारे के पास लंबा और बाइंडिंग के पास दबा हुआ दिखता है, और जिस मॉडल को अंदाज़ा लगाना पड़े कि कौन-सा क्या है, वह ग़लतियां करता है। पहले पेज को समतल करें, तो लाइन के हर अक्षर का अनुपात फिर से एक जैसा हो जाता है। सबसे बड़ा फ़र्क इसी से पड़ता है, और इसीलिए vFlat पहचान से पहले पेज को समतल करता है, बाद में नहीं।

आजकल के फ़ोन कैमरे में पहचान के लिए ज़रूरत से कहीं ज़्यादा रिज़ॉल्यूशन होता है। जो उसके बस में नहीं है, वह है कमरे की रोशनी। साइड से आने वाली एक जैसी, फैली हुई रोशनी से अक्षरों की रेखाएं साफ़ आती हैं; एक तेज़ लैंप चमकदार कागज़ पर चमक पैदा करता है और टेक्स्ट पर आपके हाथ या फ़ोन की छाया डालता है। अगर स्कैन ठीक से नहीं पढ़ा जा रहा, तो सेटिंग्स नहीं, किताब की जगह बदलें।

पर्सपेक्टिव तो अपने आप ठीक हो जाता है, लेकिन पूरे फ़्रेम में फैले पेज के हर अक्षर को, कोने में सिमटे पेज के मुकाबले ज़्यादा पिक्सेल मिलते हैं। पास जाएं, फ़ोन को पेज के लगभग समानांतर रखें, और ऑटो डिटेक्शन को किनारे ढूंढने दें।

पहचान 100 से ज़्यादा भाषाओं को कवर करती है, और मिली-जुली भाषाओं वाले पेज — अंग्रेज़ी शब्दों वाला कोरियाई टेक्स्ट, अंकों वाला जापानी टेक्स्ट — भी ठीक से पढ़े जाते हैं। फिर भी सही भाषाएं चुनी होने से मदद मिलती है: मॉडल अपनी जानी हुई हर लिपि में उलझने के बजाय उन्हीं लिपियों पर ध्यान देता है जो आप सच में इस्तेमाल करते हैं।

पहचान के बाद, पेज पर मौजूद कुछ शब्द स्कैन में खोजकर देखें — ऊपर की ओर, बाइंडिंग के पास और नीचे के हाशिये में। अगर सब मिल जाएं, तो पेज ठीक है। अगर कुछ न मिलें, तो दिक्कत लगभग हमेशा फ़ोटो लेते समय की होती है — छाया, चमक, या पेज का समतल न होना — और बाद में सुधारने के बजाय दोबारा फ़ोटो लेना कहीं ज़्यादा जल्दी काम करता है।