# Text in Dokumenten erkennen (OCR) Robot: `/document/ocr` 🤖/document/ocr erkennt Text in Dokumenten und gibt ihn in einem maschinenlesbaren Format zurück. Mit diesem Robot können Sie mithilfe optischer Zeichenerkennung (OCR) Text in PDFs erkennen und extrahieren. Sie können die Ergebnisse beispielsweise verwenden, um den Inhalt von Rechnungen, Rechtsdokumenten oder Speisekarten abzurufen. Sie können den Text auch an andere Robots weitergeben, um Dokumente zu filtern, die bestimmte Formulierungen enthalten oder nicht enthalten. Phase: ga ## Anwendungsbeispiel Text in einem hochgeladenen Dokument erkennen und in einer JSON-Datei speichern: ```json { "steps": { "recognized": { "robot": "/document/ocr", "use": ":original", "provider": "gcp" } } } ``` ## Parameter * `interpolate`: Steuert, ob einzelne Robot-Anweisungsfelder Assembly Variables interpolieren. Standardmäßig interpolieren die meisten Robot-Anweisungsfelder Assembly Variables. Mit dem Wert `false` behandeln Sie alle Anweisungsfelder als Literaltext. Wenn Sie stattdessen einen einzelnen Feldpfad auf `false` setzen, wird nur dieses Feld als Literaltext behandelt. Bei Feldern eines bestimmten Robots, die standardmäßig als Literaltext behandelt werden, aktivieren Sie die Interpolation wieder, indem Sie hierfür `true` festlegen oder für den jeweiligen Feldpfad den Wert `true` verwenden. Verwenden Sie Feldnamen wie `path` oder für verschachtelte Objekte Punktpfade wie `ffmpeg.vf` als Pfadangabe. * `output_meta`: Damit können Sie eine Reihe von Metadaten festlegen, deren Berechnung mehr CPU-Ressourcen beansprucht. Sie sind daher standardmäßig deaktiviert, damit Ihre Assemblies schnell verarbeitet werden. Für Bilder können Sie diesem Objekt den Eintrag `"has_transparency": true` hinzufügen, um zu ermitteln, ob das Bild transparente Bereiche enthält. Mit dem Eintrag `"dominant_colors": true` können Sie außerdem ein Array mit hexadezimalen Farbcodes aus dem Bild extrahieren. Für Bilder können Sie auch den Eintrag `"blurhash": true` hinzufügen, um einen [BlurHash](https://blurha.sh) zu extrahieren – eine kompakte Darstellung eines Platzhalters für das Bild, mit der Sie eine unscharfe Vorschau anzeigen können, während das vollständige Bild geladen wird. Für Videos können Sie den Parameter `"colorspace": true` hinzufügen, um den Farbraum des Ausgabevideos zu extrahieren. Für Videos können Sie außerdem den Eintrag `"interlaced": true` hinzufügen, um zu erkennen, ob das Video im Zeilensprungverfahren vorliegt. Dazu wird die ressourcenschonende ffprobe-Option `field_order` mit einem begrenzten Stichprobendurchlauf mithilfe von `idet` über die ersten Frames der Quelle kombiniert. Die Ergebnisse `interlaced` und `field_order` sowie das Diagnoseobjekt `interlace_detection` werden dabei unter `file.meta` ausgegeben. Dies ist rechenintensiv und wird entsprechend abgerechnet. Für Audio können Sie den Eintrag `"mean_volume": true` hinzufügen, um einen einzelnen Wert für die durchschnittliche Lautstärke der Audiodatei zu erhalten. Sie können diesen Parameter auch auf `false` setzen, um die Metadatenextraktion zu überspringen und das Transcoding zu beschleunigen. * `result`: Ob die Ergebnisse dieses Steps im Assembly Status JSON enthalten sein sollen * `queue`: Wenn Sie die Queue auf „batch“ setzen, wird die Priorität der Jobs für diesen Step manuell herabgestuft. So vermeiden Sie, Priority Job Slots für Jobs zu belegen, die keine Wartezeit von null in der Queue benötigen. * `force_accept`: Erzwingt, dass ein Robot einen Dateityp akzeptiert, den er sonst ignorieren würde. Standardmäßig ignorieren Robots Dateien, deren Typ sie nicht kennen. [🤖/video/encode](/de/docs/robots/video-encode.md) ignoriert beispielsweise problemlos Eingabebilder. Wenn Sie den Parameter `force_accept` auf `true` setzen, können Sie erzwingen, dass Robots alle übergebenen Dateien akzeptieren. Dies führt in der Regel zu Fehlern und sollte nur zur Fehlersuche oder zur Behandlung von Grenzfällen verwendet werden. * `ignore_errors`: Fehler in bestimmten Verarbeitungsphasen ignorieren. Wenn Sie hierfür `["meta"]` festlegen, ignoriert der Robot Fehler bei der Metadatenextraktion. Wenn Sie hierfür `["execute"]` festlegen, ignoriert der Robot Fehler während der Hauptausführungsphase. Wenn Sie hierfür `true` festlegen, entspricht dies `["meta", "execute"]` und Fehler in beiden Phasen werden ignoriert. * `use`: Gibt an, welche Steps als Eingabe verwendet werden sollen. * Sie können beliebige Namen für Steps wählen, außer `":original"` (reserviert für von Transloadit verarbeitete Benutzer-Uploads) * Sie können mehrere Steps mithilfe von Arrays als Eingabe angeben: ```json { "use": [ ":original", "encoded", "resized" ] } ``` * Sie können Eingabe-Steps außerdem mit `as` kennzeichnen, um Robots die semantische Funktion zu übermitteln: ```json { "use": [ { "name": ":original", "as": "image" }, { "name": ":original", "as": "mask" } ] } ``` > [!Tip] > Das ist wahrscheinlich alles, was Sie über `use` wissen müssen. Sie können sich jedoch auch die [erweiterten Anwendungsfälle](/de/docs/topics/use-parameter.md) ansehen. * `provider`: Wählt anhand Ihrer Anfrage den besten Anbieter aus. Setzen Sie diesen Parameter auf `"aws"` oder `"gcp"`, um einen bestimmten Anbieter zu erzwingen. AWS unterstützt die Erkennung folgender Sprachen: Englisch, Arabisch, Russisch, Deutsch, Französisch, Italienisch, Portugiesisch und Spanisch. GCP unterstützt eine größere Auswahl an Sprachen mit unterschiedlichen Unterstützungsstufen, die Sie der [offiziellen Dokumentation](https://cloud.google.com/vision/docs/languages/) entnehmen können. * `granularity`: Legt fest, ob eine vollständige Antwort einschließlich der Koordinaten des Textes (`"full"`) oder eine einfache Liste der extrahierten Textpassagen (`"list"`) zurückgegeben wird. Dieser Parameter hat keine Auswirkung, wenn der Parameter `format` auf `"text"` gesetzt ist. * `format`: Legt fest, in welchem Format der extrahierte Text zurückgegeben wird. * `"json"` gibt eine JSON-Datei zurück. * `"meta"` gibt keine Datei zurück, sondern speichert die Daten im Dateiobjekt von Transloadit unter `${file.meta.recognized_text}`. Dabei handelt es sich um ein Array von Zeichenfolgen. Das Dateiobjekt wird zwischen den Steps für das Encoding weitergegeben, sodass Sie die Werte beispielsweise in Videos einbrennen oder danach filtern können. * `"text"` gibt den erkannten Text als einfache Textdatei zurück, die in UTF-8 codiert ist.