OCR: Extrakcia textu
Na tejto strane
Čítanie textu v obrázkoch
OCR (optické rozpoznávanie znakov) je jedným z najsilnejších prípadov použitia pre Grok Vision. Na rozdiel od tradičných nástrojov, ktoré iba extrahujú znaky, Grok chápe kontext textu v obrázku, jeho rozloženie a význam.
Klasické OCR vs. multimodálne OCR
Tradičné nástroje OCR (Tesseract, Google Vision OCR, AWS Textract) vynikajú v surovej extrakcii znakov. Grok pridáva ďalší rozmer: chápe, čo text znamená v kontexte obrázka.
Napríklad pri spracovaní naskenovanej faktúry klasický nástroj OCR extrahuje všetky znaky. Grok dokáže navyše:
- Identifikovať polia (číslo faktúry, dátum, celková suma)
- Štruktúrovať údaje do použiteľného formátu
- Opraviť chyby OCR pomocou kontextu
- Interpretovať tabuľky a zložité rozloženia
Základná extrakcia
Pre jednoduchú extrakciu viditeľného textu:
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
)
Parameter detail: "high" je pre OCR nevyhnutný. V režime low môže model prehliadnuť jemný text alebo nesprávne prečítať určité znaky.
Štruktúrovaná extrakcia dokumentov
Pre profesionálne dokumenty požiadaj o štruktúrovanú extrakciu:
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
Extrakcia z vizitiek
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
Spracovanie snímok obrazovky
Snímky obrazovky sú vynikajúcim prípadom použitia, pretože často obsahujú text v zložitých rozloženiach (ponuky, bočné panely, vyskakovacie okná):
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
Dávkové spracovanie dokumentov
Na spracovanie veľkého objemu dokumentov skombinuj Grok OCR so spracovateľským pipeline:
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
Obmedzenia Grok OCR
- Ručne písaný text: rozpoznávanie funguje dobre pre čitateľné písmo, ale môže zlyhať pri kurzíve alebo nečitateľnom rukopise
- Jazyky nepoužívajúce latinku: presnosť sa líši v závislosti od jazyka a použitého písma
- Obrázky nízkej kvality: skeny s nízkym rozlíšením alebo rozmazané fotografie zhoršujú výsledky
- Veľmi malý text: aj v režime
highmôže byť text menší ako 8 pixelov na výšku nesprávne prečítaný
Kľúčové poznatky
- Vždy používaj
detail: "high"pre úlohy OCR - Požaduj štruktúrovanú extrakciu (JSON), aby bolo možné údaje automaticky využiť
- Grok ide nad rámec surového OCR: chápe kontext a rozloženie
- Používaj
store: falsepre citlivé dokumenty (faktúry, vizitky) - Overuj a predspracovávaj obrázky, aby sa maximalizovala kvalita extrakcie