Распознать текст с фото и сканов PDF на Mac офлайн

Вам присылают отсканированный отчёт, лист с контрольной, сфотографированный на телефон, или 40-страничную статью в PDF, собранном из изображений страниц. Нужен один абзац, таблица или весь текст целиком, а выделить ничего нельзя. Перепечатывать долго и чревато ошибками, а онлайн-сервисы OCR просят загрузить документ, который может быть конфиденциальным.

В OtterPix есть AI-распознавание текста — распознаватель документов, который работает целиком на Mac. Перетащите изображение страницы или PDF и получите структурированный Markdown: заголовки, абзацы, таблицы в виде настоящих таблиц, формулы и рисунки со страницы. Инструмент бесплатный, без дневного лимита, а после однократной загрузки модели работает без подключения к интернету.

Для чего создано AI-распознавание текста

AI-распознавание текста читает документы: научные статьи, отсканированные письма и отчёты, контрольные и анкеты, скриншоты с текстом и многостраничные PDF. Оно понимает структуру страницы, поэтому заголовок второго уровня остаётся заголовком, таблица выходит со своими строками и столбцами, а формулы сохраняются в нотации LaTeX, а не превращаются в сплошную строку символов.

Это не инструмент для чтения произвольных фото. Дорожные знаки, снимки товаров и мемы не входят в то, для чего создана модель, и могут дать ненадёжный результат. Если источник — страница текста, это подходящий инструмент; если это сцена, в которой есть немного слов, — нет.

Как извлечь текст из скана или PDF

1. Откройте OtterPix, нажмите «Все функции» в боковой панели и выберите «AI-распознавание текста». На пустой странице написано «Перетащите документ или PDF, чтобы начать».
2. Перетащите изображение страницы (скан, фото страницы, скриншот) или PDF. Для PDF инструмент показывает число страниц и элемент «Страницы» с полями «С» и «По», так что можно распознать весь документ или только одну главу.
3. Выберите «Режим»: «С иллюстрациями» (по умолчанию) или «Стандартный». Какой выбрать, объясняется в следующем разделе.
4. Нажмите «Распознать». При первом использовании OtterPix попросит загрузить модель распознавания: нажмите «Открыть настройки» и загрузите её один раз. Прогресс показывается постранично, например «Обработка страницы 3 из 12».
5. Результат можно открыть в виде «Просмотр», «Разметка» или «Обычный текст». Переключение между ними не запускает модель заново.
6. Откройте меню «Сохранить» и выберите «Экспортировать в Markdown (.md)», «Экспортировать в обычный текст (.txt)» или «Копировать всё». ⌘S сразу экспортирует Markdown.

«С иллюстрациями» или «Стандартный»: выбор режима

• «С иллюстрациями» — режим по умолчанию и правильный выбор для большинства документов. Он встраивает схемы и фотографии со страницы в результат как изображения, что подходит для статей, отчётов и страниц, где текст перемежается рисунками. На необычно плотной странице, состоящей из одного текста, он может что-то пропустить.
• «Стандартный» сосредоточен на тексте, таблицах и формулах и пропускает сложные иллюстрации. Используйте его для очень плотных страниц, таких как контрольные и анкеты.

Угадывать заранее не обязательно. Если некоторые страницы получились почти пустыми, OtterPix покажет сообщение «Некоторые страницы распознались почти пустыми — возможно, им лучше подходит другой режим» и кнопку, которая перезапустит тот же документ в другом режиме.

Три вида не зависят от режима. «Просмотр» показывает оформленный документ с рисунками на своих местах, «Разметка» — исходный Markdown, а «Обычный текст» убирает форматирование. При копировании из «Просмотра» вставляется самодостаточный документ вместе с рисунками, а экспортированный файл Markdown хранит рисунки внутри себя, так что при переносе ничего не превратится в битую ссылку на изображение.

Длинные PDF: диапазон страниц, пауза и отмена

PDF на 200 страниц обрабатывается постранично: каждая страница отрисовывается непосредственно перед распознаванием и освобождается после него, так что длинный документ не заполняет память Mac. Задайте в «Страницах» нужный диапазон, и остальное даже не будет затронуто.

Во время долгого запуска «Пауза» останавливает его посреди страницы, а «Продолжить» возобновляет с того же места. «Отменить» останавливает запуск окончательно, а распознанный к этому моменту текст остаётся на экране с пометкой «Остановлено досрочно. Показан текст, распознанный к этому моменту». То же самое, если страницу прервала ошибка: всё до этого места сохраняется, и его можно экспортировать.

Одна загрузка, а потом полностью офлайн

Модель распознавания занимает 3,66 ГБ и загружается один раз. Начать загрузку можно кнопкой «Открыть настройки» в сообщении об ошибке, кнопкой с шестерёнкой на странице AI-распознавания текста или в разделе «Настройки» → «AI», а прерванная загрузка продолжается, а не начинается заново. После этого распознавание выполняется на чипе Apple Silicon вашего Mac: документ, распознанный текст и экспортированные файлы никогда не покидают компьютер.

Об одной настройке стоит знать. Кнопка с шестерёнкой на странице AI-распознавания текста открывает «Настройки AI-распознавания текста», где «Макс. токенов» в разделе «Лимит генерации» ограничивает, сколько текста модель пишет на страницу. Если очень длинная страница обрывается, появляется сообщение о том, что достигнут лимит токенов: нажмите в нём «Открыть настройки», увеличьте значение и снова нажмите «Распознать».