Конвертация отсканированной книги на урду шрифтом Nastaliq в редактируемый текст Word
Загрузите отсканированный PDF на урду — книгу, журнал или старый документ, напечатанный почерком Nastaliq, — и получите каждую страницу в виде редактируемого текста на урду в файле Word с направлением справа налево, разрывами страниц и подсветкой сомнительных слов. Первая страница бесплатно и без регистрации; книга объёмом до 300 страниц — за $5 (разовый платёж).
- Модель знает, что текст написан на урду шрифтом Nastaliq, и сохраняет буквы урду: ٹ ڈ ڑ ں ے ہ ھ ی ک
- Пунктуация урду сохраняется: ۔ ، ؟
- Абзацы и таблицы в файле Word форматируются с направлением письма справа налево
- Одна страница текста на одну отсканированную страницу с номерами для удобной сверки
- Сомнительные слова подсвечиваются жёлтым, а не берутся наугад
Почему Nastaliq сложен для OCR
Nastaliq не выстраивается в ровную прямую линию. Буквы спускаются наискосок влево, слова накладываются друг на друга по вертикали, а диакритические точки группируются плотными скоплениями сверху и снизу. Классические системы OCR, обученные в основном на горизонтальном шрифте насх, с трудом распознают такую вязь. Универсальные же модели ИИ часто соскальзывают в арабскую или персидскую орфографию: пишут ي вместо ی, ك вместо ک, ه там, где в урду требуются ہ или ھ. В книге на 300 страниц эти мелкие подмены превращают текст в нечто лишь похожее на урду.
Здесь каждая страница обрабатывается по отдельности в высоком разрешении с чётким указанием: это текст на урду шрифтом Nastaliq, а буквы и знаки препинания урду должны быть сохранены. Если система не уверена в слове, она предлагает наиболее вероятный вариант и помечает его; в файле Word такие слова выделяются цветом, чтобы вы могли легко сверить их со сканом.
Файл Word
Текст сохраняется в Unicode урду, поэтому его можно искать, копировать, редактировать и переводить. Абзацы и таблицы выровнены справа налево. В файле по умолчанию используется шрифт Urdu Typesetting (если он доступен); для классического вида Nastaliq можно в один клик применить Jameel Noori Nastaleeq или аналогичный шрифт ко всему документу. Колонтитулы и повторяющиеся номера страниц исключены для непрерывного чтения, а в начале каждой страницы указан её номер для удобства сверки.
Что чаще всего конвертируют
- Редкие и вышедшие из печати книги на урду — для исследований, нового издания или цифровой библиотеки
- Старые газеты и журналы на урду
- Семейные документы, акты и письма, напечатанные на урду
- Религиозные и литературные тексты — для изучения и цитирования
Как работает инструмент, сколько он стоит и как обрабатываются ваши файлы — на странице Скан PDF в Word; цены на все инструменты — на странице цены.
Обновлено
Вопросы и ответы
Справляется ли ChatGPT с отсканированными книгами на урду?
Он может разобрать одну чёткую страницу. Но в длинном скане он начинает пропускать страницы или пересказывать их кратко, а также регулярно заменяет буквы урду арабскими или персидскими. Наш инструмент читает каждую страницу с учётом специфики урду и выдаёт готовый файл Word.
Сколько страниц можно конвертировать?
До 300 страниц за $5 (разовый платёж). С Unlimited доступно до 600 страниц за задачу.
Распознаётся ли рукописный урду?
Инструмент предназначен для печатного текста. Рукописные страницы лучше обрабатывать с помощью инструмента Рукописный текст в печатный.
Можно ли перевести результат на английский?
Да. Загрузите файл Word в Перевод документов Word; таблицы с направлением справа налево в английской версии автоматически переключатся на слева направо.
Первая страница бесплатна?
Да, без регистрации. Скан объёмом до 3 страниц распознаётся полностью бесплатно.