Képernyőképek

Leírás

Az Image Reader (OCR) bővítmény segítségével könnyedén nyerhet ki szavakat bármilyen képből. Két különböző, nyílt forráskódú OCR-motort használ. Az első motor neve Tesseract. A Tesseract.js nyílt forráskódú JavaScript-könyvtár, amely a C és C++ nyelven írt, ismert Tesseract OCR-motor Emscripten segítségével történő átültetésével készült. További információ: (https://github.com/naptha/tesseract.js). A második motort, a Granite Doclingot az IBM fejleszti (https://huggingface.co/ibm-granite/granite-docling-258M). Az IBM Granite Docling kiválasztásakor az alkalmazásnak tanítóadatokat (~1200MB) kell letöltenie az AI-motorhoz. Kérjük, legyen türelmes a betöltés során. A bővítmény használatához nyissa meg a felületét, és töltse be a képet a felső részen lévő fájlválasztóval. Használat előtt válassza ki a megfelelő OCR-motort és nyelvet. A Tesseract alapértelmezett OCR-nyelve az angol. A Granite Docling esetében nem kell nyelvet beállítani; válassza ki a kívánt feldolgozási módot (CPU vagy GPU), és várja meg az alkalmazás teljes betöltését. Megjegyzés: A Tesseract OCR-motorhoz a bővítmény a "https://github.com/naptha/tessdata/tree/gh-pages/" GitHub-tárból szerzi be az OCR-hez szükséges nyelvi adatokat. Az IBM Granite Doclinghoz a "https://huggingface.co/onnx-community/granite-docling-258M-ONNX" címről szerzi be a szükséges tanítóadatokat. Mindkét nyelvi adatcsomag nagyon nagy, ezért nem foglalható bele a bővítmény csomagjába. Hibák jelentéséhez töltse ki a bővítmény honlapján található hibabejelentő űrlapot (https://mybrowseraddon.com/image-reader.html).