Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

OCR: Szövegkinyerés

6. lecke 12 közül Frissítve 2026. július 30. Kezdő
Ezen az oldalon
  1. Szöveg olvasása képekből
  2. Hagyományos OCR vs. Multimodális OCR
  3. Alapkinyerés
  4. Strukturált dokumentumkinyerés
  5. Névjegykártya-kinyerés
  6. Képernyőképek feldolgozása
  7. Kötegelt dokumentumfeldolgozás
  8. A Grok OCR korlátai
  9. Főbb megállapítások

Szöveg olvasása képekből

Az OCR (Optikai Karakterfelismerés) a Grok Vision egyik legerősebb alkalmazási területe. A hagyományos eszközökkel ellentétben, amelyek csak a karaktereket nyerik ki, a Grok megérti a képen lévő szöveg kontextusát, elrendezését és jelentését is.

Hagyományos OCR vs. Multimodális OCR

A hagyományos OCR-eszközök (Tesseract, Google Vision OCR, AWS Textract) a nyers karakterkinyerésben jeleskednek. A Grok egy extra dimenziót ad hozzá: megérti, mit jelent a szöveg a kép kontextusában.

Például egy beolvasott számla feldolgozásakor egy klasszikus OCR-eszköz minden karaktert kinyer. A Grok emellett képes:

  • Azonosítani a mezőket (számlaszám, dátum, végösszeg)
  • Strukturált, használható formátumba rendezni az adatokat
  • Kontextus alapján javítani az OCR-hibákat
  • Értelmezni a táblázatokat és a komplex elrendezéseket

Alapkinyerés

Egyszerű, látható szöveg kinyeréséhez:

response = client.responses.create(
    model="grok-4.5",
    input=[
        {
            "type": "input_image",
            "image_url": url_document,
            "detail": "high"  # Essential for OCR
        },
        {
            "type": "input_text",
            "text": "Extract all visible text in this image. Preserve the layout as much as possible."
        }
    ],
    store=False
)

A detail: "high" paraméter elengedhetetlen az OCR-hez. low módban a modell figyelmen kívül hagyhatja a finom részleteket tartalmazó szöveget, vagy félreolvashat bizonyos karaktereket.

Strukturált dokumentumkinyerés

Professzionális dokumentumok esetén kérj strukturált kinyerést:

def extraire_facture(image_url):
    prompt = """This image is an invoice. Extract the following
information in JSON:
- "invoice_number": the invoice number
- "date": the issue date
- "issuer": name and address of the issuer
- "recipient": name and address of the recipient
- "lines": table with columns [description, quantity, unit_price, total]
- "subtotal": amount excluding tax
- "vat": VAT amount
- "total_incl_tax": amount including tax

If a field is not visible, indicate null."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Névjegykártya-kinyerés

def extraire_carte_visite(image_url):
    prompt = """Extract the information from this business card in JSON:
- "name": full name
- "title": job title/position
- "company": company name
- "email": email address
- "phone": phone number(s)
- "address": postal address
- "website": website URL
- "social_media": links to social media profiles"""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Képernyőképek feldolgozása

A képernyőképek kiváló alkalmazási esetek, mivel gyakran tartalmaznak szöveget komplex elrendezésekben (menük, oldalsávok, felugró ablakok):

def analyser_screenshot(image_url):
    prompt = """Analyze this screenshot and identify:
1. The application or website displayed
2. The visible page or section
3. The main interface elements (buttons, menus, forms)
4. Any important text displayed
5. Any error messages or notifications"""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Kötegelt dokumentumfeldolgozás

Nagy mennyiségű dokumentum feldolgozásához kombináld a Grok OCR-t egy feldolgozási folyamattal:

import json

async def pipeline_ocr(documents):
    resultats = []

    for doc in documents:
        # 1. Validate the image
        if not valider_image(doc["chemin"]):
            resultats.append({"fichier": doc["chemin"], "erreur": "Invalid image"})
            continue

        # 2. Encode to base64
        image_url = encoder_base64(doc["chemin"])

        # 3. Extract with Grok
        response = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": image_url, "detail": "high"},
                {"type": "input_text", "text": doc["prompt"]}
            ],
            store=False
        )

        # 4. Parse the result
        try:
            data = json.loads(response.output_text)
            resultats.append({"fichier": doc["chemin"], "data": data})
        except json.JSONDecodeError:
            resultats.append({"fichier": doc["chemin"], "texte_brut": response.output_text})

    return resultats

A Grok OCR korlátai

  • Kézzel írt szöveg: a felismerés jól működik az olvasható kézírás esetén, de kudarcot vallhat a dőlt vagy olvashatatlan kézírásnál.
  • Nem latin betűs nyelvek: a pontosság a nyelvtől és a használt betűtípustól függően változik.
  • Alacsony minőségű képek: az alacsony felbontású szkennelések vagy elmosódott fotók rontják az eredményeket.
  • Nagyon kicsi szöveg: még high módban is előfordulhat, hogy a 8 pixelnél kisebb magasságú szöveget félreolvassa a modell.

Főbb megállapítások

  • Mindig használd a detail: "high" beállítást OCR-feladatokhoz.
  • Kérj strukturált kinyerést (JSON), hogy az adatokat automatikusan fel tudd használni.
  • A Grok túlmutat a nyers OCR-en: megérti a kontextust és az elrendezést is.
  • Használd a store: false beállítást érzékeny dokumentumoknál (számlák, névjegykártyák).
  • Ellenőrizd és előkészítsd a képeket a kinyerés minőségének maximalizálása érdekében.