Vai al contenuto principale
Italiano— Scegli una lingua
Menu

OCR: Estrazione del testo

Lezione 6 di 12 Aggiornata il 30 luglio 2026 Principiante
In questa pagina
  1. Leggere il testo nelle immagini
  2. OCR classico vs OCR multimodale
  3. Estrazione di base
  4. Estrazione strutturata di documenti
  5. Estrazione da biglietti da visita
  6. Elaborazione di screenshot
  7. Elaborazione batch di documenti
  8. Limitazioni dell’OCR di Grok
  9. Punti chiave

Leggere il testo nelle immagini

L’OCR (Riconoscimento Ottico dei Caratteri) è uno dei casi d’uso più potenti per Grok Vision. A differenza degli strumenti tradizionali che si limitano a estrarre i caratteri, Grok comprende il contesto del testo nell’immagine, il suo layout e il suo significato.

OCR classico vs OCR multimodale

Gli strumenti OCR tradizionali (Tesseract, Google Vision OCR, AWS Textract) eccellono nell’estrazione grezza dei caratteri. Grok aggiunge una dimensione in più: comprende il significato del testo nel contesto dell’immagine.

Ad esempio, quando elabora una fattura scansionata, uno strumento OCR classico estrae tutti i caratteri. Grok può anche:

  • Identificare i campi (numero fattura, data, importo totale)
  • Strutturare i dati in un formato utilizzabile
  • Correggere gli errori OCR sfruttando il contesto
  • Interpretare tabelle e layout complessi

Estrazione di base

Per una semplice estrazione del testo visibile:

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
)

Il parametro detail: "high" è essenziale per l’OCR. In modalità low, il modello potrebbe perdere testo fine o leggere male alcuni caratteri.

Estrazione strutturata di documenti

Per documenti professionali, richiedi un’estrazione strutturata:

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

Estrazione da biglietti da visita

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

Elaborazione di screenshot

Gli screenshot sono un caso d’uso eccellente perché spesso contengono testo in layout complessi (menu, barre laterali, popup):

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

Elaborazione batch di documenti

Per elaborare un grande volume di documenti, combina l’OCR di Grok con una pipeline di elaborazione:

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

Limitazioni dell’OCR di Grok

  • Testo manoscritto: il riconoscimento funziona bene per la scrittura leggibile, ma può fallire con la corsiva o la grafia illeggibile
  • Lingue non latine: la precisione varia a seconda della lingua e del font utilizzato
  • Immagini di bassa qualità: scansioni a bassa risoluzione o foto sfocate degradano i risultati
  • Testo molto piccolo: anche in modalità high, il testo con un’altezza inferiore a 8 pixel potrebbe essere letto male

Punti chiave

  • Usa sempre detail: "high" per le attività OCR
  • Richiedi un’estrazione strutturata (JSON) per utilizzare automaticamente i dati
  • Grok va oltre l’OCR grezzo: comprende il contesto e il layout
  • Usa store: false per documenti sensibili (fatture, biglietti da visita)
  • Convalida e pre-elabora le immagini per massimizzare la qualità dell’estrazione