Presentamos el Robot de OCR para extraer texto fácilmente

Yukesh Shrestha

Ingeniero de soporte · Gillingham, Reino Unido · Mostrar bio

«Una imagen vale más que mil palabras» es un dicho en muchos idiomas, y por una buena razón. Nuestra corteza visual es posiblemente la parte más poderosa del cerebro, y aprovecharla para transmitir significado es igual de poderoso. Con la introducción de nuestro Robot /image/describe, permitimos que los programadores desbloqueen la corteza visual de modelos de IA entrenados por destacados proveedores de nube. Hoy vamos un paso más allá: no solo reconocemos objetos en las imágenes, sino que también leemos cualquier palabra presente.

Supongamos que tienes una foto de una señal de tráfico o de un menú. Casi cualquier persona sería capaz de entender estos objetos, pero su significado siempre ha sido opaco para las máquinas, hasta la llegada de nuevos y potentes modelos de OCR que pueden leer, prácticamente, texto a partir de un conjunto de píxeles.

Te presentamos el Robot /image/ocr. El miembro más reciente de nuestra familia de Robots de IA. Puede usar AWS o GCP en el backend, y cada proveedor se puede intercambiar fácilmente mediante el parámetro provider. Esto significa que, si un proveedor produce resultados desfavorables, puedes probar el otro mediante la misma interfaz del Robot. Los resultados del reconocimiento pueden variar entre proveedores y cambiar a medida que evolucionan sus modelos, así que haz pruebas con imágenes representativas en lugar de depender de una respuesta exacta.

Extraer texto de imágenes

Para demostrar lo sencillo que es usar este nuevo Robot, recorreremos el Template que aparece a continuación:

{
  "steps": {
    ":original": {
      "robot": "/upload/handle"
    },
    "image-ocr": {
      "use": ":original",
      "robot": "/image/ocr",
      "format": "text",
      "provider": "aws"
    },
    "exported": {
      "use": ["image-ocr", ":original"],
      "robot": "/s3/store",
      "credentials": "YOUR_AWS_CREDENTIALS",
      "acl": "bucket-default",
      "path": "ocr/${unique_prefix}/${file.url_name}"
    }
  }
}

Existen muchas opciones para enviar archivos a Transloadit, pero usaremos el Robot /upload/handle en nuestro primer Step, :original.

Nuestro reconocimiento de imágenes ocurre en el siguiente Step, image-ocr. Aquí pasamos :original a nuestro Robot /image/ocr y especificamos su parámetro format para que devuelva el resultado como un archivo de texto. Si omites format, el Robot genera JSON. Además, hemos especificado que queremos usar aws como proveedor de IA en el backend. Escribir gcp aquí selecciona Google Cloud en su lugar. El formato text sigue produciendo un archivo de texto, pero las palabras reconocidas, su agrupación y su orden pueden variar.

Después de la extracción, exportamos tanto el archivo de texto como la imagen original a tu bucket de S3. Sustituye YOUR_AWS_CREDENTIALS por el nombre de tu credencial de Template guardada. Sigue el procedimiento de creación de credenciales y la guía de configuración de S3 para configurar tu propio bucket y el acceso con ámbitos limitados. El ejemplo omite una ACL de objeto mediante bucket-default; mantén Block Public Access habilitado y no añadas una política de bucket que conceda lectura pública. La ruta única evita sobrescribir otra subida con el mismo nombre de archivo.

Pruebas

Ahora, probemos nuestro Template con la imagen que aparece a continuación:

El Robot convierte formatos de imagen como este SVG en una imagen rasterizada compatible con el proveedor antes del reconocimiento. Para este logotipo, el resultado de texto puede ser como el siguiente; no se garantiza que el reconocimiento reproduzca la misma escritura o el mismo uso de mayúsculas y minúsculas en cada ejecución:

Transloadit

Conclusión

En esta breve introducción, hemos mostrado cómo añadir la extracción de texto a un flujo de trabajo con nuestro Robot /image/ocr.

Es más, gracias a la componibilidad de Transloadit, todos nuestros 96 Robots se pueden encadenar para crear flujos de trabajo únicos para tu caso de uso. En otras palabras, el Step de OCR podría ser solo uno de los muchos engranajes que componen tu compleja maquinaria. Como se ha mostrado, basta con una receta JSON escrita de forma declarativa para configurarlo. Valida los resultados según las necesidades de tu aplicación, especialmente antes de tomar decisiones basadas en el texto reconocido.

Consulta nuestra página de precios para conocer la disponibilidad de las funciones de IA, el uso incluido y los cargos de procesamiento actuales.