Konwertuj zeskanowaną książkę w urdu (nastaliq) na edytowalny tekst w Wordzie
Prześlij zeskanowany PDF w urdu – książkę, czasopismo lub stary dokument wydrukowany w piśmie nastaliq – i odbierz każdą stronę jako edytowalny tekst w Wordzie, od prawej do lewej, z podziałem stron i zaznaczonymi wątpliwymi słowami. Pierwsza strona jest za darmo bez rejestracji; książka do 300 stron to $5 (jednorazowa płatność).
- Model wie, że tekst to urdu w piśmie nastaliq, i zachowuje litery urdu: ٹ ڈ ڑ ں ے ہ ھ ی ک
- Zachowana interpunkcja urdu: ۔ ، ؟
- Akapity i tabele w pliku Word zorientowane od prawej do lewej
- Jedna strona tekstu na jedną stronę skanu, z numerami stron ułatwiającymi weryfikację
- Niepewne słowa podświetlone na żółto zamiast zgadywania
Dlaczego pismo nastaliq jest trudne dla OCR
Nastaliq nie opiera się na prostej linii. Litery opadają po skosie w lewo, słowa nakładają się piętrowo na siebie, a kropki układają się w ciasne skupiska u góry i na dole. Klasyczne silniki OCR, trenowane głównie na prostym piśmie naskh, zupełnie sobie z tym nie radzą, a uniwersalne modele AI mają tendencję do wprowadzania pisowni arabskiej lub perskiej: ي zamiast ی, ك zamiast ک, czy ه tam, gdzie w urdu wymagane jest ہ lub ھ. W 300-stronicowej książce te drobne zamiany sprawiają, że tekst niby przypomina urdu, ale nim nie jest.
U nas każda strona jest analizowana osobno w wysokiej rozdzielczości, ze ścisłymi instrukcjami, że tekst to urdu w piśmie nastaliq i należy bezwzględnie zachować litery oraz interpunkcję tego języka. Jeśli model ma wątpliwości co do danego słowa, podaje najbardziej prawdopodobną wersję i oznacza ją – w pliku Word takie słowa są podświetlone, co pozwala łatwo porównać je ze skanem.
Plik Word
Tekst jest zapisany w standardzie Unicode dla języka urdu, więc można go przeszukiwać, kopiować, edytować i tłumaczyć. Akapity i tabele są sformatowane od prawej do lewej. Plik korzysta z czcionki Urdu Typesetting (tam, gdzie jest dostępna); aby uzyskać tradycyjny wygląd nastaliq, można jednym kliknięciem zastosować czcionkę Jameel Noori Nastaleeq lub podobną do całego dokumentu. Żywe paginy i powtarzające się numery stron zostały pominięte, aby tekst czytało się płynnie, a każda strona zaczyna się od małego numeru ułatwiającego odnalezienie źródła.
Co najczęściej konwertują użytkownicy
- Białe kruki i wyczerpane nakłady książek w urdu – do badań naukowych, wznowień lub bibliotek cyfrowych
- Archiwalne gazety i czasopisma w urdu
- Dokumenty rodzinne, akty notarialne i listy drukowane w urdu
- Teksty religijne i literackie do analizy i cytowania
Jak działa narzędzie, ile kosztuje i jak traktujemy Twoje pliki, znajdziesz na stronie narzędzia: Skanowany PDF do Worda. Ceny wszystkich narzędzi znajdziesz w dziale cennik.
Ostatnia aktualizacja:
Pytania i odpowiedzi
Czy ChatGPT potrafi odczytać zeskanowaną książkę w urdu?
Pojedynczą, wyraźną stronę tak. Przy dłuższych skanach ma jednak tendencję do pomijania lub streszczania stron, a litery urdu często zastępuje arabskimi lub perskimi. Nasze narzędzie odczytuje każdą stronę z zachowaniem specyfiki urdu i generuje gotowy plik Word.
Ile stron mogę przekonwertować?
Do 300 stron za $5 (jednorazowa płatność). Plan Unlimited obejmuje 600 stron na zlecenie.
Czy narzędzie odczytuje pismo odręczne w urdu?
Jest przeznaczone do tekstu drukowanego. Z rękopisami znacznie lepiej poradzi sobie narzędzie Pismo odręczne na tekst.
Czy mogę przetłumaczyć wynik na angielski?
Tak. Prześlij plik Word do narzędzia Tłumacz dokumentów Word; w wersji angielskiej tabele zorientowane od prawej do lewej zostaną automatycznie odwrócone.
Czy pierwsza strona jest za darmo?
Tak, bez rejestracji. Skan do 3 stron jest w całości za darmo.