OCR: Estrazione del testo
In questa pagina
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: falseper documenti sensibili (fatture, biglietti da visita) - Convalida e pre-elabora le immagini per massimizzare la qualità dell’estrazione