Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

OCR: teksto ištraukimas iš nuotraukų

Paskaita 3 iš 14 Atnaujinta 2026 m. lapkričio 5 d. Vidutinis lygis
Šiame puslapyje
  1. OCR, kuris supranta, ką skaito
  2. Keturi profesionalūs naudojimo atvejai
  3. Ištrauk ir veik vienu žingsniu
  4. Nuotrauka lemia viską
  5. Sunkūs atvejai ir kaip su jais tvarkytis
  6. Tavo eilė
  7. Svarbiausi punktai

Iš visų „ChatGPT“ vaizdinių gebėjimų teksto ištraukimas iš nuotraukų suteikia didžiausią naudą greičiausiai. Tau nereikia specializuotos OCR programėlės: tiesiog nufotografuok dokumentą, parašą, etiketę ar ekraną. „ChatGPT“ nuskaitys tekstą ir jį iškart apdoros.

OCR, kuris supranta, ką skaito

Skirtumas nuo tradicinių įrankių glūdi viename žodyje: kontekstas. Klasikinė OCR variklis atpažįsta simbolius ir pateikia tau neapdorotą teksto eilutę, palikdamas tau pačiam ją interpretuoti. „ChatGPT“ supranta, ką skaito, todėl vienu veiksmu gali ištraukti, struktūrizuoti, apibendrinti ar išversti tekstą.

Pirkimo čekis puikiai iliustruoja šį skirtumą. Nusiųsk nuotrauką su užklausa: „Ištrauk visas prekes ir jų kainas, tada apskaičiuok bendrą sumą.“ Modelis perskaitys kiekvieną eilutę, atskirs pavadinimus nuo sumų, sutvarkys duomenis ir atliks skaičiavimą. Visada patikrink galutinę sumą; viena neteisingai nuskaityta skaitmeninė reikšmė gali iškraipyti visą rezultatą. Klasikinė OCR priemonė būtų sustojusi ties teksto nuskaitymu.

Keturi profesionalūs naudojimo atvejai

Verslo vizitinė kortelė, gauta parodoje, yra klasikinis pavyzdys, daugiausia todėl, kad tokios kortelės dažniausiai atsiduria stalčiuje. Nufotografuok ją ir paprašyk: „Ištrauk kontaktinę informaciją ir suformatuok ją CRM importui (vardas, pavardė, įmonė, el. paštas, telefonas).“ Rezultatas bus struktūrizuotas ir paruoštas įklijuoti.

Administraciniai dokumentai laikosi tos pačios logikos. Susidūręs su iš dalies užpildytu popieriniu blanku, naudok užklausą: „Į lentelės formatą įvesk iš šio blanko užpildytus laukus“, ir vienu ypu suskaitmeninsi tai, ką rankiniu būdu įvesti užtruktų daug ilgiau. Taip pat gali tvarkyti ranka rašytus susitikimų užrašus: „Nuskaityk šiuos ranka rašytus užrašus, ištaisyk klaidas ir sutvarkyk juos į veiksmų sąrašą“ pavers neįskaitomus rašalus platinamu santrauka, jei tik rašysena išlieka įskaitoma. Naudos gauna ir apskaita – nufotografavus sąskaitą faktūrą, užklausa „Ištrauk sąskaitos numerį, datą, sumą be PVM, PVM ir bendrą sumą“ grąžins penkis tau reikalingus duomenis stebėsenai.

Ištrauk ir veik vienu žingsniu

Nebūtina atskirti ištraukimo nuo apdorojimo. Ženklą užsienio kalba galima perskaityti ir išversti viena užklausa: „Perskaityk šį ženklą ir išversk jį į anglų kalbą.“ Tačiau „OpenAI“ pagalbos centre pažymima, kad tekstas nelotyniškomis raidėmis, pavyzdžiui, japonų ar korėjiečių kalbomis, nuskaitytas mažiau tiksliai. Tokius dokumentus prieš pasitikint vertimu, būtina patikrinti nuskaitytą tekstą. Nufotografuotą laikraščio straipsnį galima perskaityti ir apibendrinti į tris pagrindinius punktus. Meniu galima perskaityti ir filtruoti – „nurodyk vegetariškus patiekalus su jų kainomis“. Spausdintą lentelę galima tiesiogiai paversti CSV formatu.

Įprask nurodyti galutinį tikslą, o ne tarpinį žingsnį. Prašyti nuskaityti tekstą viename pranešime, o išversti kitame, reiškia švaistyti laiką papildomam dialogui tam pačiam rezultatui pasiekti.

Sėkmingas teksto ištraukimas Dvi stulpeliai. Nuotrauka: difuzinė šviesa be atspindžių ar blykstės, plokščias kadruotė, prireikus padidintas įskaitomas tekstas. Užklausa: galutinis tikslas vienu kartu, abejotini žodžiai pažymėti laužtiniuose skliaustuose, nurodytos esamos kalbos. OCR Sėkmingas teksto ištraukimas Nuotrauka Šviesa Difuzinė, be atspindžių ar blykstės Kampas Plokščias, tiesiai iš priekio Tekstas Įskaitomas, prireikus padidintas Užklausa Tikslas Ištraukti ir veikti vienu prašymu Abejonės Abejotini žodžiai pažymėti laužtiniuose skliaustuose Kalbos Nurodyti esamas
Pagal straipsnį „ChatGPT Image Inputs FAQ“ iš „OpenAI“ pagalbos centro (2026 m. lapkritis).

Nuotrauka lemia viską

Ištraukimo tikslumas nulemtas tuo momentu, kai darai nuotrauką. Jokia užklausa neatkurs ten prarastos informacijos.

Pirmiausia – apšvietimas. Gerai apšviestas dokumentas be šešėlių ar atspindžių lengvai nuskaitymas; difuzinė natūrali šviesa duoda geriausius rezultatus. Paradoksalu, bet blykstė dažnai pablogina įskaitomumą, sukurdama atspindžius, kurie visiškai užgožia teksto dalis. Kampas taip pat labai svarbus – fotografuok tiesiai ir statmenai, nes įstrižas kampas iškraipo raides. Naudok didžiausią galima skiriamąją gebą ir nepasiduok pagundai keisti dydį prieš siunčiant; geranoriškas glaudinimas sunaikina būtent tą naudingą informaciją. Galiausiai, kadruotė turi apimti visą tekstą be perteklinės tuščios erdvės aplink jį, nes modelis vaizdus analizuoja geriau, kai turinys užima didelę kadro dalį.

Sunkūs atvejai ir kaip su jais tvarkytis

Kai kurį tekstą ištraukti sunku. Tokiais atvejais tikslas – padaryti neaiškumus matomus, o ne jų ignoruoti. Susidūręs su netvarkinga rašysena, klausk: „Nuskaityk šį tekstą. Kai nes esi tikras dėl žodžio, pažymėk jį laužtiniuose skliaustuose su klaustuku.“ Tai tiksliai parodys, kur reikia skirti dėmesį peržiūrint. Tekstui sudėtingame fone – pavyzdžiui, plakate, kur raidės išsiskiria prieš nuotrauką – apkirpk iki tik teksto srities. Seniems ar pažeistiems dokumentams šiek tiek konteksto padeda skaitymui: „Šis dokumentas datuojamas XIX a.; kai kurie žodžiai gali būti pasenusių rašybos formų.“

Du patikrinimai lieka tavo atsakomybėje. Pirma, skaičiai: painiojimas tarp 0 ir O, 1 ir l arba 5 ir S yra dažnas ir nepastebimas, todėl dvigubai patikrink sumas, asmens kodus ir datas. Antra, kalbos: daugiakalbiame dokumente nurodyk, kurios kalbos jame naudojamos. Kitaip modelis gali tam tikrą dalį normalizuoti pagal dominuojančią kalbą.

Tavo eilė

Išbandyk ištraukimo patikimumą. Išbandyk tai su tikru dokumentu – čekiu, laišku, vizitine kortele, knygos puslapiu ar ranka rašytais užrašais. Naudok užklausą: „Ištrauk visą tekstą iš šio paveikslėlio. Tada struktūriškai sutvarkyk ištrauktą informaciją ir identifikuok pagrindinius duomenų taškus.“ Palygink rezultatą eilutė po eilutės su originalu. Šis patikrinimas yra vienintelis būdas įvertinti tikrąjį ištraukimo patikimumą.

Oficialūs šaltiniai: ChatGPT Image Inputs FAQ · Does ChatGPT tell the truth? („OpenAI“ pagalbos centras)

Svarbiausi punktai

  • „ChatGPT“ veikia kaip pažangus OCR: vienu veiksmu ištraukia, struktūrizuoja ir apdoroja tekstą
  • Derink ištraukimą su veiksmu (vertimu, santrauka, formatavimu), kad sutaupytum laiko
  • Nuotraukos kokybė yra kritinė: geras apšvietimas, statmenas kampas, didelė skiriamoji geba
  • Visada tikrink skaitinius duomenis ir tikrinius daiktavardžius nuskaitytame tekste
  • Nurodyk kontekstą ir kalbą, kad pagerintum tikslumą dirbdamas su sudėtingais tekstais