Когда изображение уже лежит файлом, половина проблем со съёмкой отпадает — но появляются свои: формат, сжатие, разрешение и то, через что картинка к вам попала. Пересланное в мессенджере фото и оригинал с камеры распознаются по-разному, и это не миф.
Соберите формулировку задачи: что на снимке, что нужно получить, на каком языке. Готовый текст можно скопировать или открыть уже подставленным в приложении.
Формулировка собирается прямо в браузере и годится для любой модели с распознаванием картинок. Сам файл здесь не обрабатывается: снимок вы прикладываете уже в приложении.
Разница заметна на мелком тексте, а не на заголовках.
| Формат | Особенность | Влияние на распознавание |
|---|---|---|
| JPG | сжатие с потерями | на мелком шрифте появляется мыло и путаются похожие буквы |
| PNG | сжатие без потерь | лучший вариант для скриншотов и схем |
| HEIC | формат камеры Apple | качество хорошее, но иногда требует конвертации |
| WEBP | формат для сети | обычно уже пережат, оригинал надёжнее |
| PDF со сканами | страницы картинками | работает как пачка изображений, а не как текст |
| TIFF | формат сканеров | тяжёлый, зато без потерь — хорош для архивов |
Практическое правило простое: высота строчной буквы должна быть различима глазом при стопроцентном масштабе. Если, увеличив картинку до реального размера, вы не уверены, «с» там или «е», — инструмент тоже не будет уверен.
Отсюда следует и обратное: гнаться за огромным разрешением незачем. Ровный снимок среднего размера почти всегда лучше огромного, но смазанного.
PNG для скриншотов и схем, оригинал с камеры — для фотографий. Главное не формат, а то, чтобы файл не был пережат несколько раз.
Мессенджеры сжимают изображения. Мелкий текст при этом теряет чёткость. Тот же снимок, отправленный файлом, распознаётся заметно лучше.
Иногда помогает выпрямление и повышение контраста. А вот «улучшайзеры» с дорисовкой могут наоборот изменить буквы — с текстом это опасно.
Это не текстовый файл, а пачка картинок. Работать с ним нужно как со сканами — постранично или пакетом.
Ровное фото читают все. Разница между инструментами видна только там, где кадр кривой, свет неровный, а текст в две колонки.
Разобрать снимок →