Converta livros escaneados em urdu com fonte Nastaliq em texto editável no Word
Envie um PDF digitalizado em urdu — seja um livro, revista ou documento antigo impresso em Nastaliq — e receba cada página de volta como texto editável em urdu num arquivo do Word, da direita para a esquerda, com quebra de página a cada folha e termos duvidosos destacados. A primeira página é grátis e sem cadastro; um livro de até 300 páginas custa $5, em pagamento único.
- Configurado para reconhecer urdu em Nastaliq e preservar letras próprias do urdu: ٹ ڈ ڑ ں ے ہ ھ ی ک
- Pontuação em urdu mantida: ۔ ، ؟
- Parágrafos e tabelas alinhados da direita para a esquerda no arquivo do Word
- Uma página de texto para cada página escaneada, com numeração para você conferir com o original
- Palavras com leitura incerta destacadas em amarelo, sem adivinhações
Por que o estilo Nastaliq é tão difícil para o OCR
A caligrafia Nastaliq não segue uma linha reta: as letras inclinam-se em cascata para a esquerda, as palavras se sobrepõem e os pontos flutuam acima e abaixo em agrupamentos densos. Softwares clássicos de OCR, treinados principalmente no estilo linear Naskh, têm enorme dificuldade com isso, e modelos comuns de IA tendem a deslizar para a ortografia do árabe ou do persa: ي em vez de ی, ك em vez de ک, ه onde o urdu exige ہ ou ھ. Em um livro de 300 páginas, essas pequenas trocas resultam num texto que parece urdu, mas não é.
Aqui, cada página é lida individualmente em alta resolução, com instruções explícitas de que se trata de urdu em Nastaliq e que as letras e a pontuação originais devem ser preservadas. Quando o sistema fica em dúvida sobre uma palavra, ele registra a interpretação mais provável e a marca; no arquivo do Word, esses termos aparecem destacados em amarelo para você conferir com a página digitalizada.
O arquivo do Word
O texto é gerado em urdu Unicode, permitindo pesquisar, copiar, editar e traduzir o conteúdo. Parágrafos e tabelas vêm configurados da direita para a esquerda. O arquivo utiliza a fonte Urdu Typesetting quando disponível; se você preferir a aparência Nastaliq, basta aplicar a fonte Jameel Noori Nastaleeq ou similar ao documento inteiro com um só clique. Cabeçalhos e números de página repetitivos são removidos para uma leitura fluida, e cada página se inicia com o número original correspondente para fácil conferência.
O que costuma ser convertido
- Livros esgotados em urdu para pesquisa, novas edições ou acervos digitais
- Jornais e revistas antigos em urdu
- Documentos de família, escrituras e cartas impressas em urdu
- Textos religiosos e literários para estudo e citação
Como a ferramenta funciona, quanto custa e como seus arquivos são tratados está na página PDF escaneado para Word; os preços de todas as ferramentas estão na página de preços.
Última atualização:
Perguntas e respostas
O ChatGPT consegue ler um livro escaneado em urdu?
Ele até consegue ler uma página nítida e isolada. Mas, em documentos longos, tende a pular ou resumir páginas, além de frequentemente trocar letras urdu por caracteres árabes ou persas. Nossa ferramenta processa página por página com instruções específicas para o urdu e entrega um arquivo do Word pronto.
Quantas páginas posso converter?
Até 300 páginas por $5, em pagamento único. O plano Ilimitado cobre até 600 páginas por tarefa.
Ele lê textos manuscritos em urdu?
A ferramenta foi desenvolvida para textos impressos. Para páginas manuscritas, use a ferramenta Manuscrito em texto.
Posso traduzir o resultado para o inglês?
Sim. Envie o arquivo do Word para a ferramenta Tradutor de documentos do Word; tabelas alinhadas da direita para a esquerda são invertidas para a esquerda para a direita na versão em inglês.
A primeira página é grátis?
Sim, sem cadastro. Uma digitalização de até 3 páginas é totalmente gratuita.