Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

OCR: ekstrakcija besedila iz fotografij

Lekcija 3 od 14 Posodobljeno 5. november 2026 Srednje napredni
Na tej strani
  1. OCR, ki razume, kar bere
  2. Štirje profesionalni primeri uporabe
  3. Ekstrakcija in ukrep v enem koraku
  4. Fotografija odloča o vsem
  5. Težki primeri in kako jih obvladati
  6. Tvoja vrsta
  7. Ključne ugotovitve

Med vsemi vizualnimi zmožnostmi ChatGPT ekstrakcija besedila iz slik najhitreje prinese dodano vrednost. Ne potrebuješ namenske aplikacije za OCR: preprosto posnemi fotografijo dokumenta, podpisa, nalepke ali zaslona. ChatGPT prepíše besedilo in ga takoj obdela.

OCR, ki razume, kar bere

Razlika glede na tradicionalna orodja se skriva v eni sami besedi: kontekst. Klasični pogon za OCR prepozna znake in ti vrne surovo besedilno niz, tebi pa prepusti, da mu določiš smisel. ChatGPT razume, kar bere, kar ti omogoča, da besedilo v enem samem koraku ekstrahiraš, strukturiraš, povzameš ali prevedeš.

Račun to odlično ponazarja. Pošlji fotografijo z ukazom: „Izloči vse postavke in njihove cene, nato izračunaj skupni znesek.” Model prebere vsako vrstico, loči oznake od zneskov, organizira podatke in opravi izračun. Skupni znesek vedno preveri; ena sama napačno prebrana števka popači celoten rezultat. Klasično orodje za OCR bi se ustavilo pri prepisu.

Štirje profesionalni primeri uporabe

Vizitka, ki jo dobiš na sejmu, je učbeniški primer, predvsem zato, ker se te vizitke običajno končajo zakopane v predalu. Slikaj jo in vprašaj: „Izloči kontaktne podatke in jih oblikuj za uvoz v CRM (ime, priimek, podjetje, e-pošta, telefon).” Izhod je strukturiran in pripravljen za lepljenje.

Upravni dokumenti sledijo isti logiki. Ko se soočiš z delno izpolnjenim papirnatim obrazcem, ukaz „Prepiši izpolnjena polja tega obrazca v tabelarično obliko” v enem prehodu digitalizira tisto, kar bi ročni vnos trajal bistveno dlje. Enako lahko obravnavaš ročno pisane zapisnike sestankov: „Prepiši te ročne zapiske, popravi morebitne napake in jih organiziraj v opravila” spremeni čačke v porazumljiv povzetek, pod pogojem, da je pisava berljiva. Koristi ima tudi računovodstvo – pri fotografiji računa ukaz „Izloči številko računa, datum, znesek brez DDV, DDV in skupni znesek” vrne pet polj, ki jih potrebuješ za sledenje.

Ekstrakcija in ukrep v enem koraku

Ekstrakcije in obdelave ni treba ločevati. Znak v tujem jeziku lahko prebereš in prevedeš z enim samim ukazom: „Preberi ta znak in ga prevedi v angleščino.” Vendar pa center za pomoč OpenAI opozarja, da se besedilo v nelatiničnih pisavah, kot sta japonščina ali korejščina, bere manj natančno. Pri takih dokumentih pred zaupanjem v prevod preveri prepis. Fotografiran časopisni članek lahko prebereš in povzameš v tri ključne točke. Jedilnik lahko prebereš in filtriraš – „določi vegetarijanske možnosti z njihovimi cenami.” Natisnjeno tabelo neposredno pretvoriš v CSV.

Naj ti pride v navado, da navedeš končni cilj namesto vmesnega koraka. Zahteva po prepisu v enem sporočilu in prevodu v drugem te stane dodatnega kroga komunikacije za enak rezultat.

Uspešna ekstrakcija besedila Dva stolpca. Fotografija: razpršena svetloba brez bleščanja ali bliskavice, raven kader, berljivo besedilo, po potrebi povečano. Ukaz: končni cilj v enem zamahu, negotove besede označene v oklepajih, navedeni prisotni jeziki. OCR Uspešna ekstrakcija besedila Fotografija Svetloba Razpršena, brez bleščanja ali bliskavice Kot Raven, od spredaj Besedilo Berljivo, po potrebi povečano Ukaz Cilj Ekstrakcija in ukrep v enem zahtevku Dvomi Negotove besede označene v oklepajih Jeziki Navedi prisotne
Na podlagi članka „ChatGPT Image Inputs FAQ" iz centra za pomoč OpenAI (november 2026).

Fotografija odloča o vsem

Točnost ekstrakcije je določena v trenutku, ko posnameš sliko. Noben ukaz ne more obnoviti informacij, ki so tam izgubljene.

Na prvem mestu je osvetlitev. Dobro osvetljen dokument brez senc ali bleščanja se zlahka prebere; razpršena naravna svetloba daje najboljše rezultate. Paradoksalno bliskavica pogosto poslabša berljivost, saj ustvari bleščanje, ki izbriše cele odseke besedila. Prav tako pomemben je kot – snemaj ravno in pravokotno, saj poševen kot popači znake. Uporabi najvišjo ločljivost, ki je na voljo, in se upri skušnjavi, da bi sliko pred pošiljanjem spremenil; dobro mišljena kompresija uniči prav tiste koristne informacije. Nazadnje, kadri naj vključujejo vse besedilo brez pretiranega praznega prostora okoli njega, saj model slike bolje analizira, ko vsebina zavzema velik del kadra.

Težki primeri in kako jih obvladati

Nekatera besedila se upirajo ekstrakciji. V teh primerih je cilj narediti negotovost vidno, namesto da bi jo ignoriral. Ko se soočiš z neurejeno pisavo, vprašaj: „Prepiši to besedilo. Ko nisi prepričan o besedi, jo označi v oklepaju z vprašajem.” Tako točno veš, kam usmeriti pregled. Pri besedilu na kompleksnem ozadju – na primer na plakatu, kjer črke izstopajo na fotografiji – obreži sliko na območje samo z besedilom. Pri starih ali poškodovanih dokumentih malo konteksta vodi branje: „Ta dokument izvira iz 19. stoletja; nekatere besede lahko uporabljajo arhaično črkovanje.”

Dva preverjanja ostajata tvoja odgovornost. Prvič, števke: zamenjave med 0 in O, 1 in l ali 5 in S so pogoste in tihe, zato dvakrat preveri zneske, identifikacijske številke in datume. Drugič, jeziki: pri večjezičnem dokumentu navedi, kateri jeziki so prisotni. V nasprotnem primeru lahko model odlomek normalizira v prevladujoči jezik.

Tvoja vrsta

Preizkusi zanesljivost ekstrakcije. To preizkusi z resničnim dokumentom – računom, pismom, vizitko, stranjo iz knjige ali ročnimi zapiski. Uporabi ukaz: „Izloči vse besedilo iz te slike. Nato strukturirano organiziraj izvlečene informacije in določi ključne podatkovne točke.” Izhod vrstico za vrstico primerjaj z izvirnikom. Ta preverba je edini način za oceno dejanske zanesljivosti ekstrakcije.

Uradni viri: ChatGPT Image Inputs FAQ · Does ChatGPT tell the truth? (Center za pomoč OpenAI)

Ključne ugotovitve

  • ChatGPT deluje kot napredni OCR: ekstrahira, strukturira in obdela besedilo v enem koraku
  • Združi ekstrakcijo z ukrepom (prevod, povzetek, preoblikovanje) za prihranek časa
  • Kakovost fotografije je ključna: dobra osvetlitev, pravokoten kot, visoka ločljivost
  • Vedno preveri numerične podatke in lastna imena v prepisih
  • Določi kontekst in jezik za izboljšanje natančnosti pri kompleksnih besedilih