Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

OCR: Extrahera text från foton

Lektion 3 av 14 Uppdaterad 5 november 2026 Medelnivå
På denna sida
  1. En OCR som förstår det den läser
  2. Fyra professionella användningsområden
  3. Extrahera och agera i ett enda steg
  4. Fotot avgör allt
  5. Svåra fall och hur du hanterar dem
  6. Din tur
  7. Viktiga punkter

Av alla ChatGPT:s visuella funktioner ger textextrahering från bilder snabbast värde. Du behöver ingen dedikerad OCR-app: ta helt enkelt ett foto av ett dokument, en underskrift, en etikett eller en skärm. ChatGPT transkriberar texten och bearbetar den omedelbart.

En OCR som förstår det den läser

Skillnaden jämfört med traditionella verktyg kan sammanfattas i ett ord: kontext. En klassisk OCR-motor känner igen tecken och ger dig en rå textsträng, vilket lämnar dig att tolka innehållet. ChatGPT förstår det den läser, så att du kan extrahera, strukturera, sammanfatta eller översätta i ett enda steg.

Ett kvitto illustrerar denna klyfta perfekt. Skicka ett foto med prompten: “Extrahera alla varor och deras priser, och beräkna sedan summan.” Modellen läser varje rad, skiljer på etiketter och belopp, organiserar datan och utför beräkningen. Kontrollera alltid totalsumman; ett enda felaktigt siffertecken kan snedvrida hela resultatet. Ett klassiskt OCR-verktyg hade stannat vid transkriberingen.

Fyra professionella användningsområden

Ett visitkort från en mässa är det klassiska exemplet, främst för att dessa kort ofta hamnar gömda i en låda. Fotografera det och be: “Extrahera kontaktinformationen och formatera den för CRM-import (förnamn, efternamn, företag, e-post, telefon).” Utdata blir strukturerad och redo att klistras in.

Administrativa dokument följer samma logik. När du står inför ett delvis ifyllt pappersformulär digitaliserar prompten “Transkribera de ifyllda fälten från detta formulär i tabellformat” på ett enda försök det som manuell inmatning skulle ta mycket längre tid på sig att åstadkomma. Du kan hantera handskrivna mötesanteckningar på samma sätt: “Transkribera dessa handskrivna anteckningar, rätta eventuella fel och organisera dem i åtgärdspunkter” gör kladd till en distribuerbar sammanfattning, förutsatt att handstilen är läsbar. Även redovisningen drar nytta av detta – på ett foto av en faktura ger prompten “Extrahera fakturanummer, datum, belopp exklusive moms, moms och totalbelopp” de fem fält du behöver för din uppföljning.

Extrahera och agera i ett enda steg

Du behöver inte separera extrahering från bearbetning. En skylt på ett främmande språk kan läsas och översättas med en enda prompt: “Läs denna skylt och översätt den till engelska.” OpenAIs hjälpcenter noterar dock att text på icke-latinska alfabet, som japanska eller koreanska, läses med lägre noggrannhet. För sådana dokument bör du verifiera transkriberingen innan du litar på översättningen. En fotograferad tidningsartikel kan läsas och sammanfattas i tre huvudpunkter. En meny kan läsas och filtreras – “identifiera vegetariska alternativ med deras priser”. En tryckt tabell konverteras direkt till CSV.

Gör det till en vana att ange det slutgiltiga målet snarare än ett mellanliggande steg. Att be om transkribering i ett meddelande och översättning i ett andra kostar dig en extra tur-och-retur-resa för samma resultat.

Lyckad textextrahering Två kolumner. Fotot: diffust ljus utan reflexer eller blixt, platt beskärning, läsbar text förstorad vid behov. Prompten: slutgiltigt mål i ett enda steg, osäkra ord markerade i klamrar, förekommande språk specificerade. OCR Lyckad textextrahering Fotot Ljus Diffust, inga reflexer eller blixt Vinkel Platt, rakt framifrån Text Läsbar, förstorad vid behov Prompten Mål Extrahera och agera i en enda begäran Tvivel Osäkra ord markerade i klamrar Språk Specificera de som förekommer
Baserat på artikeln "ChatGPT Image Inputs FAQ" från OpenAIs hjälpcenter (november 2026).

Fotot avgör allt

Noggrannheten vid extrahering bestäms i det ögonblick du tar bilden. Ingen prompt kan återställa information som gått förlorad där.

Belysning kommer först. Ett välbelyst dokument utan skuggor eller reflexer läses lätt; diffust naturljus ger bäst resultat. Motintuitivt försämrar blixt ofta läsbarheten genom att skapa reflexer som raderar hela textpartier. Vinkeln är lika viktig – fota rakt framifrån och vinkelrätt, eftersom en sned vinkel förvränger tecknen. Använd högsta tillgängliga upplösning och stå emot frestelsen att ändra storlek innan du skickar; välmenande komprimering förstör just den användbara informationen. Slutligen bör beskärningen inkludera all text utan onödigt mycket tomt utrymme runt omkring, eftersom modellen analyserar bilder bättre när innehållet upptar en betydande del av bildytan.

Svåra fall och hur du hanterar dem

Viss text motstår extrahering. I dessa fall är målet att synliggöra osäkerhet snarare än att ignorera den. När du möter kladdig handstil, be: “Transkribera denna text. När du är osäker på ett ord, markera det inom klamrar med ett frågetecken.” Då vet du exakt var du behöver fokusera din granskning. För text på en komplex bakgrund – till exempel en affisch där bokstäver står ut mot ett fotografi – beskär bilden till området med enbart text. För gamla eller skadade dokument hjälper lite kontext till vid läsningen: “Detta dokument är från 1800-talet; vissa ord kan använda föråldrad stavning.”

Två kontroller förblir ditt ansvar. Först siffror: förväxlingar mellan 0 och O, 1 och l, eller 5 och S är vanliga och tystlåtna, så dubbelkolla belopp, ID-nummer och datum. För det andra språk: på ett flerspråkigt dokument, ange vilka språk som finns. Annars kan modellen normalisera ett stycke till det dominerande språket.

Din tur

Testa extraheringens tillförlitlighet. Sätt detta på prov med ett riktigt dokument – ett kvitto, ett brev, ett visitkort, en bokside eller handskrivna anteckningar. Använd prompten: “Extrahera all text från denna bild. Organisera sedan den extraherade informationen strukturellt och identifiera viktiga datapunkter.” Jämför utdata rad för rad med originalet. Denna kontroll är det enda sättet att bedöma den verkliga tillförlitligheten vid extrahering.

Officiella källor: ChatGPT Image Inputs FAQ · Does ChatGPT tell the truth? (OpenAI Help Center)

Viktiga punkter

  • ChatGPT fungerar som avancerad OCR: det extraherar, strukturerar och bearbetar text i ett enda steg
  • Kombinera extrahering med åtgärd (översättning, sammanfattning, omformatering) för att spara tid
  • Fotokvalitet är avgörande: bra belysning, vinkelrät vinkel, hög upplösning
  • Verifiera alltid numeriska data och egennamn i transkriberingar
  • Ange kontext och språk för att förbättra noggrannheten vid komplexa texter