Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

OCR: Tekstin poimiminen kuvista

Oppitunti 3 / 14 Päivitetty 5. marraskuuta 2026 Keskitasoinen
Tällä sivulla
  1. OCR, joka ymmärtää lukemaansa
  2. Neljä ammatillista käyttötapausta
  3. Poimi ja toimi yhdellä liikkeellä
  4. Valokuva ratkaisee kaiken
  5. Vaikeat tapaukset ja niiden käsittely
  6. Sinun vuorosi
  7. Keskeiset asiat

Kaikista ChatGPT:n visuaalisista ominaisuuksista tekstin poimiminen kuvista tuottaa arvoa nopeimmin. Et tarvitse erillistä OCR-sovellusta: otat vain valokuvan asiakirjasta, allekirjoituksesta, etiketistä tai näytöstä. ChatGPT litteroi tekstin ja käsittelee sen välittömästi.

OCR, joka ymmärtää lukemaansa

Ero perinteisiin työkaluihin tiivistyy yhteen sanaan: konteksti. Klassinen OCR-moottori tunnistaa merkit ja antaa sinulle raakan tekstimuodon, jolloin sinun täytyy itse hahmottaa sen merkitys. ChatGPT ymmärtää lukemaansa, joten voit poimia, jäsennellä, tiivistää tai kääntää tekstin yhdessä vaiheessa.

Kuitti havainnollistaa tätä kuilua täydellisesti. Lähetä kuva kehotteella: “Poimi kaikki tuotteet ja niiden hinnat, laske sitten loppusumma.” Malli lukee jokaisen rivin, erottaa nimikkeet summista, järjestää tiedot ja suorittaa laskutoimituksen. Tarkista loppusumma aina; yksi väärin luettu numero vääristää koko tuloksen. Klassinen OCR-työkalu olisi pysähtynyt pelkkään litterointiin.

Neljä ammatillista käyttötapausta

Messuilla kerätty käyntikortti on oppikirjaesimerkki, lähinnä siksi, että nämä kortit päätyvät usein hautautumaan laatikon pohjalle. Valokuvaa se ja pyydä: “Poimi yhteystiedot ja muotoile ne CRM-tuontia varten (etunimi, sukunimi, yritys, sähköposti, puhelin).” Tuloste on jäsennelty ja valmis liitettäväksi.

Hallinnolliset asiakirjat noudattavat samaa logiikkaa. Kun edessäsi on osittain täytetty paperilomake, kehotus “Litteroi tämän lomakkeen täytetyt kentät taulukkomuotoon” digitaloi yhdellä kerralla sen, mikä manuaaliselta syötöltä veisi paljon kauemmin. Voit käsitellä käsinkirjoitetut muistiinpanot samalla tavalla: “Litteroi nämä käsinkirjoitetut muistiinpanot, korjaa virheet ja järjestä ne toimintakohteiksi” muuttaa raapustukset jaettavaksi yhteenvedoksi, edellyttäen että käsiala on luettavaa. Myös kirjanpito hyötyy tästä: valokuvasta laskua kehotus “Poimi laskun numero, päivämäärä, veroton summa, ALV ja loppusumma” palauttaa viisi seurantaan tarvitsemaasi kenttää.

Poimi ja toimi yhdellä liikkeellä

Sinun ei tarvitse erottaa poimimista käsittelystä. Vieraskielinen kyltti voidaan lukea ja kääntää yhdellä kehotteella: “Lue tämä kyltti ja käännä se englanniksi.” OpenAI:n tukikeskus kuitenkin huomauttaa, että ei-latinalaisilla kirjaimistoilla, kuten japanilla tai korealla, kirjoitettu teksti luetaan vähemmän tarkasti. Tällaisissa asiakirjoissa tarkista litterointi ennen kuin luotat käännökseen. Valokuvatun sanomalehtiartikkelin voi lukea ja tiivistää kolmeen pääkohtaan. Ruokalistan voi lukea ja suodattaa – “tunnista kasvissyöjälle sopivat vaihtoehdot hintoineen”. Painettu taulukko muuntuu suoraan CSV-muotoon.

Tee tavaksi ilmoittaa lopullinen tavoite eikä välivaihetta. Transkription pyytäminen yhdessä viestissä ja käännöksen pyytäminen toisessa maksaa sinulle ylimääräisen kierroksen saman tuloksen saavuttamiseksi.

Onnistunut tekstin poiminta Kaksi saraketta. Valokuva: hajautettu valo ilman heijastuksia tai salamaa, tasainen rajaus, luettava teksti suurennettuna tarvittaessa. Kehote: lopullinen tavoite yhdellä kerralla, epävarmat sanat merkitty hakasulkeisiin, käytetyt kielet määritetty. OCR Onnistunut tekstin poiminta Valokuva Valo Hajautettu, ei heijastuksia tai salamaa Kulma Tasainen, suoraan edestä Teksti Luettava, suurennettu tarvittaessa Kehote Tavoite Poimi ja toimi yhdellä pyynnöllä Epäilykset Epävarmat sanat merkitty hakasulkeisiin Kielet Määritä läsnä olevat kielet
Perustuu OpenAI:n tukikeskuksen artikkeliin "ChatGPT Image Inputs FAQ" (marraskuu 2026).

Valokuva ratkaisee kaiken

Poiminnan tarkkuus määräytyy sillä hetkellä, kun otat kuvan. Mikään kehotus ei pysty palauttamaan siinä kadonnutta tietoa.

Valaistus on tärkein tekijä. Hyvin valaistu asiakirja ilman varjoja tai heijastuksia on helppo lukea; hajautettu luonnonvalo tuottaa parhaat tulokset. Vastoin intuitiota salama heikentää usein luettavuutta luomalla heijastuksia, jotka pyyhkivät kokonaisia tekstiosioita pois. Kulma on yhtä tärkeä – kuvaa suoraan edestä ja kohtisuorassa, sillä vinokulma vääristää merkkejä. Käytä korkeinta mahdollista resoluutiota äläkä vastusta kiusausta pienentää kuvaa ennen lähetystä; hyväntahtoinen pakkaus tuhoaa juuri sen hyödyllisen tiedon. Lopuksi rajauksen tulee sisältää kaikki teksti ilman liiallista tyhjää tilaa sen ympärillä, sillä malli analysoi kuvia paremmin, kun sisältö vie merkittävän osan kuvakehyksestä.

Vaikeat tapaukset ja niiden käsittely

Jotkin tekstit vastustavat poimintaa. Näissä tapauksissa tavoitteena on tehdä epävarmuus näkyväksi sen sijaan, että sitä ignoroidaan. Kohdatessasi sotkuista käsialaa, pyydä: “Litteroi tämä teksti. Kun et ole varma sanasta, merkitse se hakasulkeisiin kysymysmerkin kera.” Tämä kertoo sinulle täsmälleen, mihin sinun tulee keskittyä tarkistuksessa. Monimutkaisella taustalla olevalle tekstille – kuten julisteelle, jossa kirjaimet erottuvat valokuvaa vasten – rajaa kuva vain tekstiä sisältävälle alueelle. Vanhojen tai vaurioituneiden asiakirjojen kohdalla pieni konteksti ohjaa lukemista: “Tämä asiakirja on peräisin 1800-luvulta; jotkin sanat voivat käyttää arkaaista oikeinkirjoitusta.”

Kaksi tarkistusta jäävät vastuullesi. Ensinnäkin numerot: sekaannukset 0:n ja O:n, 1:n ja l:n tai 5:n ja S:n välillä ovat yleisiä ja hiljaisia, joten tarkista summat, henkilötunnukset ja päivämäärät kahdesti. Toiseksi kielet: monikielisessä asiakirjassa määritä, mitkä kielet ovat läsnä. Muuten malli voi normalisoida kohdan vallitsevan kielen mukaiseksi.

Sinun vuorosi

Testaa poiminnan luotettavuutta. Laita tämä testiin oikealla asiakirjalla – kuitti, kirje, käyntikortti, kirjan sivu tai käsinkirjoitetut muistiinpanot. Käytä kehotetta: “Poimi kaikki teksti tästä kuvasta. Järjestä sitten poimittu tieto rakenteellisesti ja tunnista keskeiset datapisteet.” Vertaa tulostetta rivi riviltä alkuperäiseen. Tämä tarkistus on ainoa tapa arvioida todellista poiminnan luotettavuutta.

Viralliset lähteet: ChatGPT Image Inputs FAQ · Does ChatGPT tell the truth? (OpenAI Help Center)

Keskeiset asiat

  • ChatGPT toimii edistyneenä OCR:nä: se poimii, jäsentelee ja käsittelee tekstiä yhdessä vaiheessa
  • Yhdistä poiminta toimintaan (kääntäminen, tiivistäminen, uudelleenmuotoilu) säästääksesi aikaa
  • Valokuvan laatu on ratkaiseva: hyvä valaistus, kohtisuora kulma, korkea resoluutio
  • Tarkista aina numeeriset tiedot ja erisnimet litteroinneista
  • Määritä konteksti ja kieli parantaaksesi tarkkuutta monimutkaisissa teksteissä