Image Reader (OCR)
ID
cakcfocedphbadddjpalejbkhflfbhmfTesseract বা IBM Granite Docling OCR দিয়ে ছবি থেকে লেখা বের করুন; Granite Docling প্রায় 1200 MB ডেটা ডাউনলোড করে।
স্ক্রিনশট
বিবরণ
Image Reader (OCR) এক্সটেনশন যেকোনো ছবি থেকে সহজে শব্দ বের করতে সাহায্য করে। এটি দুটি ভিন্ন ওপেন সোর্স OCR ইঞ্জিন ব্যবহার করে।
প্রথম ইঞ্জিনটির নাম Tesseract। Tesseract.js একটি ওপেন সোর্স JavaScript লাইব্রেরি, যা C ও C++ দিয়ে লেখা বিখ্যাত Tesseract OCR ইঞ্জিনকে Emscripten দিয়ে পোর্ট করে তৈরি। আরও তথ্যের জন্য দেখুন (https://github.com/naptha/tesseract.js)। দ্বিতীয় ইঞ্জিন Granite Docling তৈরি করেছে IBM (https://huggingface.co/ibm-granite/granite-docling-258M)। মনে রাখবেন, IBM Granite Docling বেছে নিলে অ্যাপটিকে AI ইঞ্জিনের প্রশিক্ষণ ডেটা (~1200MB) ডাউনলোড করতে হয়। তাই লোড হওয়ার সময় ধৈর্য ধরুন।
অ্যাডঅনটি ব্যবহার করতে এর ইন্টারফেস খুলে ফাইল নির্বাচকের মাধ্যমে (উপরের অংশে) ছবি লোড করুন। ব্যবহারের আগে উপযুক্ত OCR ইঞ্জিন ও ভাষা নির্বাচন করুন। Tesseract-এর ডিফল্ট OCR ভাষা ইংরেজি। Granite Docling-এর জন্য ভাষা নির্ধারণের প্রয়োজন নেই; শুধু পছন্দের ব্যাকএন্ড (CPU বা GPU) বেছে নিয়ে অ্যাপ সম্পূর্ণ লোড হওয়া পর্যন্ত অপেক্ষা করুন।
দ্রষ্টব্য: Tesseract OCR ইঞ্জিনের কাজের জন্য প্রয়োজনীয় ভাষার ডেটা আনতে অ্যাডঅনটি GitHub রিপোজিটরি "https://github.com/naptha/tessdata/tree/gh-pages/" ব্যবহার করে। IBM Granite Docling-এর OCR কাজের জন্য প্রয়োজনীয় প্রশিক্ষণ ডেটা আনতে এটি "https://huggingface.co/onnx-community/granite-docling-258M-ONNX" ব্যবহার করে। উভয় ভাষার ডেটা প্যাক অত্যন্ত বড়, তাই অ্যাডঅন প্যাকেজে অন্তর্ভুক্ত করা যায় না।
ত্রুটি জানাতে এক্সটেনশনের হোমপেজে থাকা বাগ রিপোর্ট ফর্ম পূরণ করুন (https://mybrowseraddon.com/image-reader.html)।