OCR: estrarre testo dalle foto
In questa pagina
Tra tutte le capacità visive di ChatGPT, l’estrazione di testo dalle immagini è quella che genera valore più rapidamente. Non ti serve un’app dedicata all’OCR: basta scattare una foto di un documento, una firma, un’etichetta o uno schermo. ChatGPT trascrive il testo e lo elabora immediatamente.
Un OCR che comprende ciò che legge
La differenza rispetto agli strumenti tradizionali si riduce a una parola: contesto. Un motore OCR classico riconosce i caratteri e ti restituisce una stringa di testo grezza, lasciandoti il compito di darle un senso. ChatGPT comprende ciò che legge, permettendoti di estrarre, strutturare, riassumere o tradurre in un unico passaggio.
Uno scontrino illustra perfettamente questa differenza. Invia una foto con il prompt: «Estrai tutti gli articoli e i relativi prezzi, quindi calcola il totale». Il modello legge ogni riga, distingue le etichette dagli importi, organizza i dati ed esegue il calcolo. Verifica sempre il totale: una singola cifra letta male altera l’intero risultato. Uno strumento OCR classico si sarebbe fermato alla trascrizione.
Quattro casi d’uso professionali
Un biglietto da visita raccolto a una fiera è l’esempio da manuale, soprattutto perché questi biglietti finiscono spesso sepolti in un cassetto. Fotografalo e chiedi: «Estrai le informazioni di contatto e formattale per l’importazione in un CRM (nome, cognome, azienda, email, telefono)». L’output risulta strutturato e pronto per essere incollato.
I documenti amministrativi seguono la stessa logica. Di fronte a un modulo cartaceo parzialmente compilato, il prompt «Trascrivi i campi compilati di questo modulo in formato tabellare» digitalizza in un solo passaggio ciò che l’inserimento manuale richiederebbe molto più tempo per ottenere. Puoi gestire allo stesso modo gli appunti manoscritti delle riunioni: «Trascrivi questi appunti manoscritti, correggi eventuali errori e organizzali in azioni da intraprendere» trasforma scarabocchi in un riepilogo distribuibile, purché la grafia rimanga leggibile. Anche la contabilità ne trae vantaggio: su una foto di una fattura, «Estrai il numero di fattura, la data, l’imponibile, l’IVA e l’importo totale» restituisce i cinque campi necessari per il tuo tracciamento.
Estrai e agisci in un’unica mossa
Non devi separare l’estrazione dall’elaborazione. Un cartello in una lingua straniera può essere letto e tradotto con un singolo prompt: «Leggi questo cartello e traducilo in inglese». Tuttavia, il Centro Assistenza OpenAI segnala che il testo in scritture non latine, come il giapponese o il coreano, viene letto con minore accuratezza. Per questi documenti, verifica la trascrizione prima di fidarti della traduzione. Un articolo di giornale fotografato può essere letto e riassunto in tre punti chiave. Un menu può essere letto e filtrato: «identifica le opzioni vegetariane con i relativi prezzi». Una tabella stampata si converte direttamente in CSV.
Prendi l’abitudine di dichiarare l’obiettivo finale piuttosto che un passaggio intermedio. Chiedere la trascrizione in un messaggio e la traduzione in un secondo ti costa un round trip aggiuntivo per lo stesso risultato.
La foto decide tutto
L’accuratezza dell’estrazione è determinata nel momento in cui scatti la foto. Nessun prompt può recuperare informazioni perse in quella fase.
L’illuminazione viene prima di tutto. Un documento ben illuminato, senza ombre o riflessi, si legge facilmente; la luce naturale diffusa offre i risultati migliori. Controintuitivamente, il flash spesso peggiora la leggibilità creando riflessi che cancellano intere sezioni di testo. Anche l’angolazione conta altrettanto: scatta in piano e perpendicolarmente, poiché un angolo obliquo distorce i caratteri. Usa la risoluzione più alta disponibile e resisti alla tentazione di ridimensionare prima dell’invio; una compressione fatta con buone intenzioni distrugge proprio le informazioni utili. Infine, l’inquadratura dovrebbe includere tutto il testo senza eccessivo spazio vuoto attorno, poiché il modello analizza meglio le immagini quando il contenuto occupa una porzione significativa dell’inquadratura.
Casi difficili e come gestirli
Alcuni testi resistono all’estrazione. In questi casi, l’obiettivo è rendere visibile l’incertezza piuttosto che ignorarla. Di fronte a una grafia disordinata, chiedi: «Trascrivi questo testo. Quando non sei sicuro di una parola, indicala tra parentesi con un punto interrogativo». Questo ti dice esattamente dove concentrare la tua revisione. Per il testo su uno sfondo complesso, come un poster dove le lettere spiccano su una fotografia, ritaglia l’area contenente solo il testo. Per documenti antichi o danneggiati, un po’ di contesto guida la lettura: «Questo documento risale al XIX secolo; alcune parole potrebbero usare un’ortografia arcaica».
Due verifiche restano di tua responsabilità. Primo, i numeri: le confusioni tra 0 e O, 1 e l, o 5 e S sono comuni e silenziose, quindi ricontrolla importi, numeri di identificazione e date. Secondo, le lingue: su un documento multilingue, specifica quali lingue sono presenti. Altrimenti, il modello potrebbe normalizzare un passaggio nella lingua dominante.
A te la parola
Metti alla prova l’affidabilità dell’estrazione. Sperimenta con un documento reale: uno scontrino, una lettera, un biglietto da visita, una pagina di libro o appunti manoscritti. Usa il prompt: «Estrai tutto il testo da questa immagine. Quindi organizza le informazioni estratte in modo strutturato e identifica i punti dati chiave». Confronta l’output riga per riga con l’originale. Questa verifica è l’unico modo per valutare la reale affidabilità dell’estrazione.
Fonti ufficiali: ChatGPT Image Inputs FAQ · Does ChatGPT tell the truth? (Centro Assistenza OpenAI)
Punti chiave
- ChatGPT agisce come un OCR avanzato: estrae, struttura ed elabora il testo in un unico passaggio
- Combina estrazione e azione (traduzione, riassunto, riformattazione) per risparmiare tempo
- La qualità della foto è fondamentale: buona illuminazione, angolo perpendicolare, alta risoluzione
- Verifica sempre i dati numerici e i nomi propri nelle trascrizioni
- Specifica contesto e lingua per migliorare l’accuratezza su testi complessi