OCR: Uddrag tekst fra fotos
På denne side
Af alle ChatGPT’s visuelle funktioner leverer tekstudtræk fra billeder værdi hurtigst. Du behøver ikke en dedikeret OCR-app: Tag blot et foto af et dokument, en underskrift, en etiket eller en skærm. ChatGPT transskriberer teksten og behandler den med det samme.
En OCR, der forstår, hvad den læser
Forskellen fra traditionelle værktøjer kan koges ned til ét ord: kontekst. En klassisk OCR-motor genkender tegn og giver dig en rå tekststreng, hvor du selv må give mening til indholdet. ChatGPT forstår, hvad den læser, så du kan udtrække, strukturere, opsummere eller oversætte i ét enkelt trin.
En kvittering illustrerer dette gab perfekt. Send et foto med prompten: „Udtræk alle varer og deres priser, og beregn derefter totalen.” Modellen læser hver linje, skelner mellem etiketter og beløb, organiserer dataene og udfører beregningen. Verificér altid totalen; ét enkelt ciffer, der læses forkert, fordrejer hele resultatet. Et klassisk OCR-værktøj ville have stoppet ved transskriptionen.
Fire professionelle brugssager
Et visitkort, du samler op til en messe, er skoleeksemplet, mest fordi disse kort ofte ender begravet i en skuffe. Fotografer det og bed om: „Udtræk kontaktoplysningerne og formatér dem til CRM-import (fornavn, efternavn, virksomhed, e-mail, telefon).” Outputtet kommer struktureret ud og er klar til at indsætte.
Administrative dokumenter følger samme logik. Står du over for en delvist udfyldt papirformular, vil prompten „Transskriber de udfyldte felter fra denne formular til et tabelformat” digitalisere på ét spark, hvad manuel indtastning ville tage meget længere tid om. Du kan håndhæve håndskrevne mødenoter på samme måde: „Transskriber disse håndskrevne noter, ret eventuelle fejl, og organiser dem i handlingspunkter” gør kruseduller til et distribuerbart referat, forudsat at håndskriften er læselig. Regnskabet drager også fordel af det – på et foto af en faktura vil „Udtræk fakturanummer, dato, beløb ekskl. moms, moms og totalbeløb” returnere de fem felter, du har brug for til din opfølgning.
Udtræk og handl i ét træk
Du behøver ikke adskille udtrækning fra behandling. Et skilt på et fremmedsprog kan læses og oversættes med én enkelt prompt: „Læs dette skilt og oversæt det til engelsk.” OpenAI Help Center bemærker dog, at tekst i ikke-latinske skriftsystemer, såsom japansk eller koreansk, læses mindre nøjagtigt. For disse dokumenter skal du verificere transskriptionen, før du stoler på oversættelsen. En fotograferet avisartikel kan læses og opsummeres til tre hovedpunkter. En menu kan læses og filtreres – „identificér vegetariske muligheder med deres priser.” En trykt tabel konverteres direkte til CSV.
Gør det til en vane at angive det endelige mål frem for et mellemtrin. At bede om transskription i én besked og oversættelse i en anden koster dig en ekstra tur/retur for samme resultat.
Fotoet afgør alt
Nøjagtigheden af udtrækket bestemmes i det øjeblik, du tager billedet. Ingen prompt kan genvinde information, der er gået tabt der.
Belysning kommer først. Et godt oplyst dokument uden skygger eller genskær læses let; diffust naturligt lys giver de bedste resultater. Mod intuitiv forventning forringer flash ofte læsbarheden ved at skabe genskær, der udsletter hele tekstafsnit. Vinklen er lige så vigtig – skyd fladt og vinkelret, da en skrå vinkel fordrejer tegnene. Brug den højeste tilgængelige opløsning, og modstå fristelsen til at ændre størrelse før afsendelse; velmentet kompression ødelægger præcis de nyttige oplysninger. Endelig bør indramningen inkludere al tekst uden overdrevent meget tom plads omkring den, da modellen analyserer billeder bedre, når indholdet optager en betydelig del af billedrammen.
Svære tilfælde og hvordan du håndterer dem
Visse tekster modstår udtrækning. I disse tilfælde er målet at gøre usikkerhed synlig frem for at ignorere den. Står du over for rodet håndskrift, så bed om: „Transskriber denne tekst. Når du er usikker på et ord, så angiv det i klammer med et spørgsmålstegn.” Dette fortæller dig præcis, hvor du skal fokusere din gennemgang. For tekst på en kompleks baggrund – såsom en plakat, hvor bogstaver skiller sig ud mod et fotografi – beskær til området, der kun indeholder tekst. For gamle eller beskadigede dokumenter guider lidt kontekst læsningen: „Dette dokument stammer fra 1800-tallet; nogle ord kan bruge arkaisk stavemåde.”
To tjek forbliver dit ansvar. Først tal: forvekslinger mellem 0 og O, 1 og l eller 5 og S er almindelige og lydløse, så dobbelttjek beløb, ID-numre og datoer. For det andet sprog: På et flersproget dokument skal du angive, hvilke sprog der er til stede. Ellers kan modellen normalisere et afsnit til det dominerende sprog.
Din tur
Test udtrækkets pålidelighed. Sæt dette på prøve med et rigtigt dokument – en kvittering, et brev, et visitkort, en bogside eller håndskrevne noter. Brug prompten: „Udtræk al tekst fra dette billede. Organiser derefter de udtrukne oplysninger strukturelt og identificér nøgledata.” Sammenlign outputtet linje for linje med originalen. Dette tjek er den eneste måde at måle den reelle udtræksnøjagtighed på.
Officielle kilder: ChatGPT Image Inputs FAQ · Does ChatGPT tell the truth? (OpenAI Help Center)
Vigtige pointer
- ChatGPT fungerer som avanceret OCR: Den udtrækker, strukturerer og behandler tekst i ét trin
- Kombinér udtrækning med handling (oversættelse, opsummering, omformatering) for at spare tid
- Fotokvalitet er afgørende: god belysning, vinkelret vinkel, høj opløsning
- Verificér altid numeriske data og egennavne i transskriptioner
- Angiv kontekst og sprog for at forbedre nøjagtigheden på komplekse tekster