Apresentamos o Robot de OCR para facilitar a extração de texto

Yukesh Shrestha

Engenheiro de suporte · Gillingham, Reino Unido · Mostrar biografia

“Uma imagem vale mais que mil palavras” é um ditado em muitos idiomas, e por um bom motivo. Nosso córtex visual é possivelmente a parte mais poderosa do cérebro, e usá-lo para transmitir significado é igualmente poderoso. Com a introdução do nosso /image/describe Robot, permitimos que programadores explorem o córtex visual de modelos de IA treinados por grandes provedores de nuvem. Hoje, vamos além: não apenas reconhecemos objetos em imagens, mas também lemos as palavras presentes nelas.

Imagine que você tenha uma foto de uma placa de trânsito ou de um cardápio. Praticamente qualquer pessoa conseguiria interpretar esses objetos, mas seu significado sempre foi incompreensível para as máquinas, até a introdução de novos e poderosos modelos de OCR capazes de, na prática, ler texto a partir de um conjunto de pixels.

Apresentamos o /image/ocr Robot, o mais novo integrante da nossa família de Robots de IA. Ele pode usar AWS ou GCP no backend, e é fácil alternar entre os provedores usando o parâmetro provider. Isso significa que, se um provedor produzir resultados insatisfatórios, você pode experimentar o outro pela mesma interface do Robot. Os resultados do reconhecimento podem variar entre provedores e mudar conforme seus modelos evoluem. Por isso, teste com imagens representativas em vez de depender de uma resposta exata.

Extração de texto de imagens

Para demonstrar como é simples usar este novo Robot, vamos examinar o Template abaixo:

{
  "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}"
    }
  }
}

Há muitas opções para enviar arquivos à Transloadit, mas usaremos o /upload/handle Robot no nosso primeiro Step, :original.

O reconhecimento da imagem ocorre no Step seguinte, image-ocr. Nele, passamos :original ao nosso /image/ocr Robot e definimos seu parâmetro format para retornar o resultado como um arquivo de texto. Se você omitir format, o Robot retornará JSON. Além disso, especificamos que queremos usar aws como provedor de IA no backend. Escrever gcp aqui seleciona o Google Cloud. O formato text continua produzindo um arquivo de texto, mas as palavras reconhecidas, seu agrupamento e sua ordem podem variar.

Após a extração, exportamos o arquivo de texto e a imagem original para o seu bucket do S3. Substitua YOUR_AWS_CREDENTIALS pelo nome da sua Credencial de Template salva. Siga o procedimento compartilhado de criação de credenciais e o guia de configuração do S3 para configurar seu próprio bucket e o acesso com escopo limitado. O exemplo omite uma ACL de objeto ao usar bucket-default; mantenha “Block Public Access” habilitado e não adicione uma política de bucket que conceda acesso público de leitura. O caminho exclusivo evita sobrescrever outro upload com o mesmo nome de arquivo.

Testes

Agora, vamos testar nosso Template com a imagem abaixo:

O Robot converte formatos de imagem, como este SVG, em uma imagem rasterizada compatível com o provedor antes do reconhecimento. Para este logotipo, um resultado em texto pode ser semelhante ao seguinte; não há garantia de que o reconhecimento reproduza a mesma grafia ou o mesmo uso de maiúsculas e minúsculas em cada execução:

Transloadit

Conclusão

Nesta breve introdução, mostramos como adicionar a extração de texto a um fluxo de trabalho usando nosso /image/ocr Robot.

Além disso, graças à capacidade de composição da Transloadit, todos os nossos 95 Robots podem ser encadeados para criar fluxos de trabalho específicos para o seu caso de uso. Em outras palavras, o Step de OCR pode ser apenas uma das muitas engrenagens que compõem sua máquina complexa. Como mostramos, basta uma receita JSON escrita de forma declarativa para configurar tudo isso. Valide os resultados de acordo com as necessidades da sua aplicação, especialmente antes de tomar decisões com base no texto reconhecido.

Consulte nossa página de preços para saber sobre a disponibilidade de recursos de IA, o uso incluído e as cobranças atuais de processamento.