Jak korzystać z funkcji Obraz na tekst - Kompletny przewodnik OCR

Witamy w kompleksowym przewodniku po naszej funkcji Obraz na tekst. To zaawansowane narzędzie OCR (optyczne rozpoznawanie znaków) pozwala wydobywać tekst z obrazów bez tłumaczenia – idealne do transkrypcji, wprowadzania danych i zadań digitalizacji tekstu.

Przegląd

Funkcja Obraz na tekst została zaprojektowana dla użytkowników, którzy potrzebują szybko i dokładnie wydobyć czytelny tekst z obrazów. W przeciwieństwie do funkcji tłumaczenia, to narzędzie skupia się wyłącznie na ekstrakcji tekstu dzięki zaawansowanym modelom Google Gemini AI, obsługując wiele języków i oferując elastyczny wybór modeli w zależności od potrzeb jakościowych i budżetowych.

Kluczowe funkcje w skrócie

• Zaawansowana technologia OCR: Napędzana przez modele Google Gemini AI zapewniające wysoką dokładność
• Obsługa wielu języków: Wydobywanie tekstu w dowolnym języku obsługiwanym przez modele Gemini
• Trzy poziomy modeli: Wybór między jakością a kosztem dzięki modelom Flash Lite, Flash i Pro
• Elastyczne cennik kredytowy: 1-3 kredyty na obraz w zależności od wybranego modelu
• Wiele metod przesyłania: Przeciąganie i upuszczanie lub wybór pliku przez przeglądarkę
• Natychmiastowe wyniki: Szybka ekstrakcja tekstu ze szczegółowymi statystykami
• Kopiowanie do schowka: Szybkie kopiowanie wydobytego tekstu jednym kliknięciem
• Metadane przetwarzania: Szczegółowe informacje o poziomie pewności OCR i wydajności

---

Zrozumienie opcji modeli

Przed wydobyciem tekstu ważne jest zrozumienie trzech dostępnych modeli Gemini i tego, kiedy używać każdego z nich:

Porównanie modeli

Kiedy wybrać każdy model

Flash Lite (1 kredyt):

• Tekst maszynowy na czystym tle
• Paragony i proste formularze
• Znaki uliczne i podstawowe etykiety
• Gdy priorytetem jest efektywność kosztowa
• Szybka ekstrakcja tekstu dla zadań niekrytycznych

Flash (2 kredyty) - Zalecany domyślnie:

• Treści mieszane (tekst + obrazy)
• Dokumenty z formatowaniem
• Etykiety produktów i opakowania
• Większość ogólnych zadań OCR
• Równowaga między jakością a kosztem

Pro (3 kredyty):

• Tekst pisany ręcznie
• Złożone układy wielokolumnowe
• Obrazy niskiej jakości lub rozmyte
• Gęsty tekst z małymi czcionkami
• Krytyczne wymagania dotyczące dokładności

---

Przewodnik krok po kroku

Krok 1: Konfiguracja ustawień OCR

Pierwsza karta kroku pozwala skonfigurować preferencje języka i modelu.

1.1 Wybór języka wyjściowego

Ikona: Ikona języków

Cel: Wybór języka dla wydobytego tekstu

Jak to działa:

1. Kliknij menu rozwijane „Język wyjściowy"
2. Przeglądaj dostępne języki
3. Wybierz preferowany język

Ważne uwagi:

• Język wyjściowy automatycznie synchronizuje się z ustawieniem locale witryny
• Możesz ręcznie zmienić ten wybór
• Język wyjściowy określa sposób formatowania i prezentacji tekstu
• To NIE tłumaczy tekstu – wpływa tylko na formatowanie tekstu

Dostępne języki wyjściowe (16 języków):

• Arabski (ar)
• Niemiecki (de)
• Angielski (en)
• Hiszpański (es)
• Francuski (fr)
• Włoski (it)
• Japoński (ja)
• Koreański (ko)
• Polski (pl)
• Portugalski (pt)
• Rosyjski (ru)
• Chiński (zh)
• I więcej...

1.2 Wybór modelu OCR

Ikona: Ikona iskierek z informacją o modelu

Cel: Wybór modelu AI najlepiej odpowiadającego Twoim potrzebom

Jak to działa:

1. Przejrzyj trzy opcje modeli wyświetlane jako karty
2. Każda karta pokazuje:
   • Nazwę modelu: Gemini 2.5 Flash Lite / Flash / Pro
   • Koszt w kredytach: 1, 2 lub 3 kredyty na obraz
   • Wskaźnik szybkości: Szybki, Szybszy, Najszybszy
   • Wskaźnik jakości: Dobra, Lepsza, Najlepsza
3. Kliknij kartę, aby wybrać preferowany model
4. Twój wybór zostanie podświetlony niebieską ramką
5. Koszt w kredytach jest wyraźnie wyświetlony

Wskazówki dotyczące wyboru modelu:

• Zacznij od Flash: Średni poziom (2 kredyty) działa w większości przypadków
• Przejdź na Pro: Gdy dokładność jest krytyczna lub jakość obrazu jest słaba
• Zejdź do Flash Lite: Dla prostego, wyraźnego tekstu na czystym tle
• Testuj najpierw: Spróbuj Flash Lite na jednym obrazie, aby sprawdzić, czy jakość spełnia Twoje wymagania

Wyświetlanie kosztu w kredytach:

• Pokazuje koszt w kredytach (np. „2 kredyty na obraz") pod kartą modelu
• Aktualizuje się w czasie rzeczywistym po zmianie wyboru modelu
• Pomaga zaplanować wykorzystanie kredytów przed przetwarzaniem

Zapisywanie preferencji modelu:

• Twój wybór modelu jest zapisywany w lokalnej pamięci przeglądarki
• Następnym razem po odwiedzeniu strony preferowany model zostanie wstępnie wybrany
• Język wyjściowy zawsze synchronizuje się z locale witryny (nie jest zapisywany)

---

Krok 2: Przesłanie obrazu

Druga karta kroku zapewnia elastyczne opcje przesyłania obrazu.

2.1 Metody przesyłania

Metoda A: Przeciągnij i upuść (zalecana)

Ikona: Ikona przesyłania

Najszybszy sposób przesłania obrazu:

1. Wybierz obraz:

   • Otwórz eksplorator plików
   • Znajdź plik obrazu, z którego chcesz wydobyć tekst
   • Przeciągnij plik do obszaru przesyłania

2. Zachowanie strefy upuszczania:

   • Obszar przesyłania podświetla się, gdy przeciągasz plik nad nim
   • Upuść plik, aby go dodać
   • Plik jest natychmiast walidowany, a podgląd się pojawia

Wskazówka: Obszar przeciągania i upuszczania jest duży i łatwy do trafienia.

Metoda B: Kliknij, aby przeglądać

Ikona: Ikona przesyłania

Tradycyjna metoda wyboru pliku:

1. Kliknij w dowolnym miejscu obszaru przesyłania
2. Otworzy się przeglądarka plików
3. Przejdź do pliku obrazu
4. Kliknij „Otwórz", aby przesłać

Ograniczenia przesyłania

• Maksymalny rozmiar pliku: 7MB na obraz
• Formaty plików: PNG, JPG, JPEG, WebP, HEIC, HEIF
• Pojedynczy obraz: Jeden obraz na raz (bez przetwarzania wsadowego)

Obsługa błędów:

• Nieobsługiwane formaty są odrzucane z wyraźnymi komunikatami o błędach
• Pliki zbyt duże wyświetlają informację o rozmiarze i maksymalnym dozwolonym rozmiarze
• Walidacja pliku odbywa się przed przesłaniem

Uwagi dotyczące formatów:

• Obsługa HEIC/HEIF: Zdjęcia z iOS są obsługiwane
• WebP zalecany: Nowoczesny format zapewniający najlepszą kompresję
• JPG/PNG: Uniwersalna kompatybilność

---

Krok 3: Przegląd podglądu przesłanego pliku

Po przesłaniu zobaczysz podgląd obrazu z informacjami o pliku.

3.1 Karta podglądu

Wyświetla:

1. Miniaturę obrazu: Wizualny podgląd przesłanego obrazu
2. Nazwę pliku: Nazwa przesłanego pliku
3. Rozmiar pliku: Rozmiar w MB (np. „3,45 MB")
4. Odznakę formatu: Wskaźnik typu pliku

3.2 Wymiana obrazu

Ikona: Przycisk X (zamknij)

Jak używać:

1. Kliknij przycisk X w prawym górnym rogu podglądu
2. Obraz zostanie usunięty
3. Pojawi się ponownie obszar przesyłania
4. W razie potrzeby prześlij inny obraz

Przypadek użycia: Wymień obraz, jeśli przesłałeś niewłaściwy plik lub chcesz spróbować innego obrazu.

---

Krok 4: Uruchomienie ekstrakcji tekstu

Po przesłaniu obrazu i skonfigurowaniu ustawień wydobądź tekst.

4.1 Inicjowanie przetwarzania OCR

Przycisk: „Rozpocznij OCR" z ikoną iskierek

Jak używać:

1. Upewnij się, że masz:

   • Wybrany język wyjściowy
   • Wybrany model OCR (Flash, Flash Lite lub Pro)
   • Przesłany obraz

2. Przejrzyj koszt w kredytach wyświetlony pod przyciskiem:

   • Wyświetla liczbę kredytów w zależności od wybranego modelu
   • Przykład: „2 kredyty na obraz" dla modelu Flash

3. Kliknij przycisk „Rozpocznij OCR"

4. Przebieg przetwarzania:

   Etap 1 - Przesyłanie obrazu (2-5 sekund)

   • Twój obraz jest bezpiecznie przesyłany do pamięci w chmurze
   • Wskaźnik postępu pokazuje status przesyłania
   • Tekst przycisku zmienia się na „Przesyłanie..." z animacją ładowania

   Etap 2 - Przetwarzanie przez AI (5-15 sekund)

   • Model Gemini AI analizuje obraz
   • Regiony tekstu są wykrywane i wydobywane
   • Układ i formatowanie są zachowywane
   • Tekst przycisku pokazuje „Przetwarzanie..." z animacją ładowania

Czas przetwarzania:

• Flash Lite: 5-8 sekund (najszybszy)
• Flash: 8-12 sekund (umiarkowany)
• Pro: 10-15 sekund (najbardziej dokładny)

Zużycie kredytów: Każda operacja OCR kosztuje 1-3 kredyty w zależności od modelu:

• Flash Lite: 1 kredyt
• Flash: 2 kredyty
• Pro: 3 kredyty

Co się dzieje podczas przetwarzania:

1. Obraz jest przesyłany do bezpiecznej pamięci R2
2. Model Gemini AI otrzymuje obraz
3. Analiza OCR wykrywa regiony tekstu
4. Tekst jest wydobywany z wynikami pewności
5. Wyniki są formatowane i zwracane
6. Zostaniesz przekierowany do widoku wyników

---

Krok 5: Wyświetlenie wyników wydobytego tekstu

Po zakończeniu przetwarzania zobaczysz kompleksowy widok wyników z wydobytym tekstem i szczegółowymi statystykami.

5.1 Wyświetlanie wydobytego tekstu

Główny obszar treści:

Elementy karty:

1. Pole wydobytego tekstu:

   • Białe tło z wyraźną typografią
   • Czcionka monospace dla dokładnej reprezentacji tekstu
   • Włączone przewijanie dla długich treści tekstowych
   • Zachowuje podziały wierszy i odstępy
   • Pole tekstowe tylko do odczytu

2. Informacje o tekście:

   • Liczba znaków: Całkowita liczba wydobytych znaków
   • Liczba słów: Całkowita liczba słów (oddzielonych spacjami)
   • Liczba wierszy: Całkowita liczba wierszy

Formatowanie tekstu:

• Oryginalne podziały wierszy są zachowane
• Odstępy i wcięcia zachowane tam, gdzie to możliwe
• Układy wielokolumnowe konwertowane na tekst liniowy
• Kierunek tekstu zachowany (LTR/RTL)

5.2 Statystyki przetwarzania

Ikona: Ikona zegara, ikona gwiazdy, ikona odznaki

Wyświetlane metryki:

1. Czas przetwarzania:

   • Ikona: Zegar
   • Pokazuje, ile czasu zajęło OCR (np. „3,2s")
   • Szybsze czasy dla prostszych obrazów

2. Użyty model:

   • Ikona: Iskierki
   • Wyświetla, który model Gemini przetworzył obraz
   • Przykład: „Gemini 2.5 Flash"

3. Język wyjściowy:

   • Ikona: Języki
   • Pokazuje wybrany język wyjściowy
   • Przykład: „Polski" lub „English"

4. Użyte kredyty:

   • Ikona: Gwiazda
   • Wyświetla koszt kredytów dla tej operacji
   • Przykład: „2 kredyty" dla modelu Flash

Dodatkowe metadane (jeśli dostępne):

• Wynik pewności OCR
• Liczba wykrytych regionów tekstu
• Wymiary przetworzonego obrazu

---

Krok 6: Działania na wynikach

6.1 Kopiowanie wydobytego tekstu

Przycisk: „Kopiuj tekst" z ikoną kopiowania

Jak używać:

1. Kliknij przycisk „Kopiuj tekst"
2. Cały wydobyty tekst zostanie skopiowany do schowka
3. Tekst przycisku zmienia się na „Skopiowano!" z ikoną znacznika wyboru
4. Powraca do „Kopiuj tekst" po 2 sekundach
5. Wklej tekst wszędzie, gdzie potrzebujesz (Ctrl+V lub Cmd+V)

Przypadki użycia:

• Wklejanie do dokumentów (Word, Dokumenty Google, Notion)
• Import do arkuszy kalkulacyjnych do wprowadzania danych
• Transfer do narzędzi tłumaczeniowych
• Zapisywanie do plików tekstowych
• Wysyłanie przez e-mail lub aplikacje do przesyłania wiadomości

Skrót klawiszowy: Możesz też ręcznie zaznaczyć tekst i skopiować za pomocą Ctrl+C (Windows) lub Cmd+C (Mac)

6.2 Pobieranie oryginalnego obrazu

Przycisk: „Pobierz obraz" z ikoną pobierania

Jak używać:

1. Kliknij przycisk „Pobierz obraz"
2. Oryginalny przesłany obraz zostanie pobrany
3. Format nazwy pliku: ocr-source-[znacznik-czasu].webp

Przypadki użycia:

• Archiwizacja obrazu źródłowego
• Porównanie z wydobytym tekstem
• Udostępnianie oryginału członkom zespołu
• Prowadzenie rejestru przetworzonych obrazów

Format pliku: WebP (wysoka jakość, mały rozmiar pliku)

6.3 Wydobycie z nowego obrazu

Przycisk: „Nowy wydobycie" z ikoną RefreshCw

Jak używać:

1. Kliknij przycisk „Nowy wydobycie"
2. Zostaniesz przekierowany do formularza przesyłania
3. Twoje ustawienia (model i język) są zachowane
4. Obszar przesyłania jest zresetowany
5. Rozpocznij nową operację OCR

Przypadki użycia:

• Przetwarzanie wielu obrazów sekwencyjnie
• Wypróbowanie różnych obrazów z tymi samymi ustawieniami
• Porównanie wyników OCR między obrazami
• Przepływ pracy przetwarzania wsadowego (po jednym na raz)

---

Zaawansowane funkcje

Optymalizacja jakości obrazu

Aby uzyskać najlepsze wyniki OCR, rozważ następujące czynniki jakości obrazu:

Rozdzielczość i rozmiar

• Minimum: 1000 pikseli szerokości
• Zalecane: 1500+ pikseli szerokości
• Maksymalny rozmiar pliku: 7MB
• Optymalny format: PNG dla tekstu, JPG dla zdjęć

Oświetlenie i kontrast

• Dobre oświetlenie: Upewnij się, że tekst jest wyraźnie widoczny
• Wysoki kontrast: Ciemny tekst na jasnym tle (lub odwrotnie)
• Unikaj odblasków: Brak odbić lub jasnych plam na tekście
• Równomierne oświetlenie: Spójne oświetlenie na całym obrazie

Wyrazistość tekstu

• Ostra ostrość: Unikaj rozmytych lub niewyraźnych obrazów
• Proste wyrównanie: Wyrównaj tekst poziomo, gdy to możliwe
• Brak zniekształceń: Minimalizuj przekrzywienie, pochylenie lub zniekształcenie perspektywy
• Czyste tło: Usuń bałagan wokół obszarów tekstowych

Obsługiwane typy tekstu

Działa najlepiej z

• Tekstem maszynowym: Drukowane dokumenty, książki, ekrany
• Etykietami produktów: Opakowania, metki, naklejki
• Znakami ulicznymi: Znaki drogowe, szyldy sklepowe, banery
• Paragonami: Paragony zakupowe, faktury, formularze
• Zrzutami ekranu: Interfejsy oprogramowania, strony internetowe
• Zeskanowanymi dokumentami: PDF-y, dokumenty biurowe

Trudne scenariusze

• Tekst pisany ręcznie: Użyj modelu Pro dla najlepszych wyników
• Czcionki artystyczne: Czcionki dekoracyjne lub stylizowane mogą mieć niższą dokładność
• Mały tekst: Powiększ lub użyj obrazów o wyższej rozdzielczości
• Nakładający się tekst: Oddzielone regiony tekstowe działają lepiej
• Tekst pionowy: Niektóre języki lepiej radzą sobie z tekstem pionowym niż inne

Obsługa języków

Silnik OCR obsługuje ekstrakcję tekstu w ponad 100 językach, w tym:

Pisma łacińskie:

• Angielski, hiszpański, francuski, niemiecki, włoski, portugalski
• Holenderski, polski, turecki, czeski, rumuński
• I wiele innych języków europejskich

Języki azjatyckie:

• Chiński (uproszczony i tradycyjny)
• Japoński (kanji, hiragana, katakana)
• Koreański (hangul)
• Tajski, wietnamski, indonezyjski

Inne pisma:

• Arabski, hebrajski (języki RTL)
• Rosyjski, ukraiński, grecki (cyrylica i pismo greckie)
• Hindi, bengalski, tamilski (pisma indyjskie)

Wykrywanie wielu języków:

• Automatycznie wykrywa wiele języków na jednym obrazie
• Wydobywa tekst z treści wielojęzycznych
• Zachowuje granice językowe

---

Przykłady przepływów pracy

Przykład 1: Wprowadzanie danych z paragonu (model Flash Lite)

Scenariusz: Wydobycie tekstu z paragonu z supermarketu do śledzenia wydatków

Kroki:

1. Konfiguracja:

   • Język wyjściowy: Polski
   • Model: Gemini 2.5 Flash Lite (1 kredyt)
   • Powód: Paragon ma wyraźny tekst maszynowy

2. Przesłanie:

   • Zrób zdjęcie paragonu smartfonem
   • Przenieś na komputer lub prześlij bezpośrednio
   • Rozmiar pliku: ~2MB (znacznie poniżej limitu 7MB)

3. Przetwarzanie:

   • Kliknij „Rozpocznij OCR"
   • Czas przetwarzania: ~6 sekund
   • Flash Lite doskonale radzi sobie z wyraźnym drukiem

4. Wyniki:

   • Wydobyty tekst pokazuje:
     • Nazwę i adres sklepu
     • Datę i godzinę zakupu
     • Wyszczególnioną listę z cenami
     • Metodę płatności
     • Łączną kwotę

5. Działanie:

   • Kliknij „Kopiuj tekst"
   • Wklej do arkusza kalkulacyjnego śledzenia wydatków
   • Zweryfikuj zgodność kwot z paragonem
   • Zarchiwizuj obraz paragonu dla dokumentacji

Wynik: Dokładna ekstrakcja tekstu za 1 kredyt, idealna do rutynowego wprowadzania danych.

---

Przykład 2: Transkrypcja strony książki (model Flash)

Scenariusz: Digitalizacja strony z drukowanej książki do robienia notatek

Kroki:

1. Konfiguracja:

   • Język wyjściowy: Polski
   • Model: Gemini 2.5 Flash (2 kredyty)
   • Powód: Książka ma gęsty tekst z różnorodnym formatowaniem

2. Przesłanie:

   • Zeskanuj lub sfotografuj stronę książki
   • Upewnij się o dobre oświetlenie i ostrość
   • Rozmiar pliku: ~4MB

3. Przetwarzanie:

   • Kliknij „Rozpocznij OCR"
   • Czas przetwarzania: ~10 sekund
   • Model Flash radzi sobie z układem wielokolumnowym

4. Wyniki:

   • Wydobyty tekst obejmuje:
     • Główne akapity treści
     • Nagłówki i podtytuły
     • Przypisy i numery stron
     • Liczba znaków: ~2500
     • Liczba słów: ~450

5. Działanie:

   • Kliknij „Kopiuj tekst"
   • Wklej do aplikacji do robienia notatek (Notion, Evernote)
   • Sformatuj i uporządkuj notatki
   • Dodaj osobiste adnotacje

Wynik: Wysokiej jakości transkrypcja zachowująca przepływ tekstu za 2 kredyty.

---

Przykład 3: Notatki odręczne (model Pro)

Scenariusz: Wydobycie tekstu z odręcznych notatek ze spotkania w celu udostępnienia zespołowi

Kroki:

1. Konfiguracja:

   • Język wyjściowy: Polski
   • Model: Gemini 2.5 Pro (3 kredyty)
   • Powód: Pismo ręczne wymaga najwyższej dokładności

2. Przesłanie:

   • Sfotografuj odręczne notatki
   • Użyj dobrego oświetlenia i stabilnego aparatu
   • Upewnij się, że pismo jest czytelne
   • Rozmiar pliku: ~3MB

3. Przetwarzanie:

   • Kliknij „Rozpocznij OCR"
   • Czas przetwarzania: ~14 sekund
   • Zaawansowane rozpoznawanie modelu Pro radzi sobie z pismem ręcznym

4. Wyniki:

   • Wydobyty tekst obejmuje:
     • Punkty agendy spotkania
     • Punkty działań i osoby odpowiedzialne
     • Kluczowe punkty dyskusji
     • Daty i terminy
   • Należy spodziewać się niektórych błędów przy niewyraźnym piśmie

5. Działanie:

   • Kliknij „Kopiuj tekst"
   • Wklej do współdzielonego dokumentu
   • Ręcznie sprawdź i popraw wszelkie błędy rozpoznawania
   • Udostępnij członkom zespołu

Wynik: Najlepsze możliwe rozpoznawanie pisma ręcznego za 3 kredyty, z zalecanym ręcznym przeglądem.

---

Przykład 4: Dokument wielojęzyczny (model Flash)

Scenariusz: Wydobycie mieszanego tekstu polsko-angielskiego z dwujęzycznej instrukcji produktu

Kroki:

1. Konfiguracja:

   • Język wyjściowy: Polski (lub angielski, nie wpływa na ekstrakcję)
   • Model: Gemini 2.5 Flash (2 kredyty)
   • Powód: Mieszane języki wymagają solidnego modelu

2. Przesłanie:

   • Zeskanuj stronę instrukcji z obydwoma językami
   • Rozmiar pliku: ~5MB

3. Przetwarzanie:

   • Kliknij „Rozpocznij OCR"
   • Czas przetwarzania: ~11 sekund
   • Gemini automatycznie wykrywa oba języki

4. Wyniki:

   • Wydobyty tekst obejmuje:
     • Instrukcje w języku angielskim
     • Tłumaczenia polskie
     • Specyfikacje produktu
     • Etykiety ostrzegawcze w obu językach
   • Języki zachowane w oryginalnej kolejności układu

5. Działanie:

   • Kopiuj tekst do weryfikacji tłumaczenia
   • Porównaj wydobyty tekst z oryginałem
   • Użyj do zapewnienia jakości lokalizacji

Wynik: Dokładna ekstrakcja wielojęzyczna za 2 kredyty.

---

Wskazówki dla najlepszych wyników

Przygotowanie obrazu

1. Użyj wysokiej rozdzielczości:

   • Co najmniej 1000 pikseli szerokości
   • Preferuj 1500+ pikseli dla małego tekstu
   • Wyższa rozdzielczość = lepsza dokładność

2. Zapewnij dobre oświetlenie:

   • Naturalne światło działa najlepiej
   • Unikaj cieni na tekście
   • Brak ostrych odblasków lub odbić
   • Spójne oświetlenie na całym obrazie

3. Wyprostuj obraz:

   • Utrzymuj tekst poziomo, gdy to możliwe
   • Minimalne przekrzywienie lub obrót
   • Jeśli używasz smartfona, użyj wyrównania siatki

4. Czyste tło:

   • Usuń bałagan podczas fotografowania
   • Najlepiej sprawdzają się jednolite tła
   • Unikaj wzorzystych tła za tekstem

5. Ostra ostrość:

   • Użyj autofokusu aparatu
   • Stuknij, aby skupić się na obszarze tekstu (smartfony)
   • Unikaj rozmycia ruchu
   • Użyj statywu lub stabilnej powierzchni

Strategia wyboru modelu

1. Zacznij od Flash (domyślnie):

   • Dobra równowaga jakości i kosztu
   • Działa w 80% przypadków użycia
   • 2 kredyty na obraz

2. Zejdź do Flash Lite:

   • Gdy tekst jest bardzo wyraźny i prosty
   • Tekst maszynowy na czystych tłach
   • Przy przetwarzaniu wielu obrazów z ograniczonymi kredytami
   • Najpierw przetestuj jeden obraz, aby zweryfikować jakość

3. Przejdź na Pro:

   • Gdy wyniki Flash są niezadowalające
   • Dla tekstu pisanego ręcznie
   • Dla złożonych układów (tabele, wielokolumnowe)
   • Dla krytycznych wymagań dotyczących dokładności
   • Gdy jakość obrazu jest słaba

4. Testuj i iteruj:

   • Najpierw wypróbuj Flash Lite na jednym obrazie
   • Jeśli jakość jest niewystarczająca, przejdź na Flash
   • Używaj Pro tylko wtedy, gdy Flash nie jest wystarczająco dokładny
   • To oszczędza kredyty przy zachowaniu jakości

Optymalizacja ekstrakcji tekstu

1. Przejrzyj wydobyty tekst:

   • Zawsze przeczytaj wydobyty tekst
   • Sprawdź brakujące sekcje
   • Zweryfikuj dokładność liczb i dat
   • Szukaj nieprawidłowo rozpoznanych znaków

2. Obsługa błędów:

   • Częste pomyłki: 0/O, 1/I/l, 5/S
   • Ręcznie popraw krytyczne informacje
   • Zwróć uwagę na wzorce błędów dla przyszłych ulepszeń obrazów

3. Używaj kopiowania strategicznie:

   • Najpierw skopiuj cały tekst
   • Wklej do edytora w celu poprawek
   • Zachowaj oryginalny obraz dla odniesienia
   • Porównaj wizualnie, aby wychwycić błędy

4. Przepływ pracy przetwarzania wsadowego:

   • Przetwarzaj wiele obrazów jeden po drugim
   • Używaj przycisku „Nowy wydobycie" między obrazami
   • Utrzymuj spójne ustawienia modelu
   • Śledź, które obrazy zostały przetworzone

---

Rozwiązywanie problemów

Typowe problemy i rozwiązania

Problem: „Nie wykryto tekstu"

Możliwe przyczyny:

• Obraz nie zawiera czytelnego tekstu
• Tekst jest zbyt mały lub rozmyty
• Bardzo niska jakość obrazu
• Tekst pisany ręcznie z Flash Lite

Rozwiązanie:

1. Zweryfikuj, czy obraz rzeczywiście zawiera tekst
2. Sprawdź, czy tekst jest wyraźnie widoczny dla ludzkiego oka
3. Spróbuj obrazu o wyższej rozdzielczości
4. Przejdź na model Flash lub Pro dla trudnego tekstu
5. Zapewnij dobre oświetlenie i ostrość

Problem: „Rozmiar pliku zbyt duży (maks. 7MB)"

Możliwe przyczyny:

• Zdjęcie wysokiej rozdzielczości z aparatu
• Nieskompresowany format obrazu
• Bardzo duże wymiary obrazu

Rozwiązanie:

1. Skompresuj obraz przed przesłaniem:
   • Użyj narzędzi online (TinyPNG, Squoosh)
   • Zmień rozmiar wymiarów do rozsądnego rozmiaru (1500-2000px szerokości)
   • Konwertuj do formatu JPG lub WebP
2. Przytnij niepotrzebne obszary obrazu
3. Nieznacznie zmniejsz jakość obrazu (90% jakości zwykle wystarcza)

Problem: „Nieobsługiwany format pliku"

Możliwe przyczyny:

• Plik nie jest formatem obrazu
• Używanie PDF, TIFF lub innych formatów dokumentów

Rozwiązanie:

• Używaj tylko obsługiwanych formatów: PNG, JPG, JPEG, WebP, HEIC, HEIF
• Konwertuj nieobsługiwane formaty za pomocą konwerterów obrazów
• W razie potrzeby zrób zrzut ekranu stron PDF (następnie przetwórz zrzut ekranu)

Problem: „Wydobyty tekst jest zniekształcony lub nieprawidłowy"

Możliwe przyczyny:

• Używanie Flash Lite dla złożonego tekstu
• Tekst pisany ręcznie z niewystarczającym poziomem modelu
• Niska jakość obrazu (rozmyty, niski kontrast)
• Nietypowe czcionki lub tekst artystyczny
• Nieprawidłowe wykrywanie języka

Rozwiązanie:

1. Przejdź na model Flash lub Pro
2. Użyj obrazu wyższej jakości:
   • Lepsze oświetlenie
   • Wyższa rozdzielczość
   • Ostrzejsza ostrość
3. Dla tekstu pisanego ręcznie zawsze używaj modelu Pro
4. Zweryfikuj poprawność orientacji obrazu
5. Przytnij, aby skupić się na głównym obszarze tekstowym

Problem: „Wydobyty tekst brakuje sekcji"

Możliwe przyczyny:

• Regiony tekstu poza granicami obrazu
• Bardzo mały tekst niewykryty
• Tekst niskiego kontrastu (szary na białym)
• Tekst zasłonięty przez cienie lub odblaski

Rozwiązanie:

1. Upewnij się, że cały obszar tekstowy jest widoczny na obrazie
2. Zwiększ rozdzielczość obrazu
3. Popraw oświetlenie dla lepszego kontrastu
4. Spróbuj modelu Pro dla lepszego wykrywania regionów
5. W razie potrzeby przetwórz sekcje oddzielnie

Problem: „Przetwarzanie bardzo wolne"

Możliwe przyczyny:

• Duży rozmiar pliku obrazu
• Używanie modelu Pro (naturalnie wolniejszego)
• Wysokie obciążenie serwera

Rozwiązanie:

1. Skompresuj obraz do mniejszego rozmiaru pliku
2. Flash Lite przetwarza szybciej niż Pro
3. Spróbuj ponownie poza godzinami szczytu
4. Sprawdź szybkość połączenia internetowego

Problem: „Niewystarczająca liczba kredytów"

Rozwiązanie:

• Odwiedź Cennik, aby kupić więcej kredytów
• Subskrybuj plan z miesięcznymi kredytami
• Darmowy poziom zapewnia 10 kredytów miesięcznie
• Rozważ Flash Lite (1 kredyt) do rutynowych zadań

Problem: „Utracony układ/formatowanie"

Wyjaśnienie:

• OCR wydobywa zwykły tekst, a nie formatowanie
• Układy wielokolumnowe stają się tekstem liniowym
• Tabele są konwertowane na sekwencje tekstowe
• Odstępy wizualne mogą nie być idealnie zachowane

Rozwiązanie:

• Ręcznie przeformatuj tekst po ekstrakcji
• Dla złożonych układów rozważ:
  • Przetwarzanie sekcji oddzielnie
  • Używanie dedykowanych narzędzi OCR do tabel
  • Ręczne odtworzenie struktury

---

System kredytowy dla OCR

Jak działają kredyty

• Model Flash Lite: 1 kredyt na obraz
• Model Flash: 2 kredyty na obraz
• Model Pro: 3 kredyty na obraz

Pakiety kredytowe

Poziom darmowy:

• 10 kredytów miesięcznie
• Dostęp do wszystkich trzech modeli
• Odpowiedni do okazjonalnego użytku

Plany profesjonalne:

• Plan Pro: 800 kredytów miesięcznie
• Plan Enterprise: 2000 kredytów miesięcznie
• Obejmuje inne funkcje platformy

Jednorazowe zakupy kredytów:

• Dostępne dla użytkowników pay-as-you-go
• Kredyty nigdy nie wygasają
• Zakup ze strony Cennik

Wskazówki dotyczące efektywności kredytów

1. Najpierw testuj z Flash Lite:

   • Wypróbuj Flash Lite (1 kredyt) na jednym obrazie
   • Jeśli jakość jest dobra, używaj go do podobnych obrazów
   • Oszczędza 50-66% kredytów w porównaniu z innymi modelami

2. Dopasuj model do zadania:

   • Nie używaj Pro do prostych paragonów
   • Nie używaj Flash Lite do pisma ręcznego
   • Właściwy model = lepsze wyniki z mniejszą liczbą powtórzeń

3. Najpierw zoptymalizuj obrazy:

   • Dobra jakość obrazu oznacza potrzebę niższego poziomu modelu
   • Jedna próba Pro (3 kr) vs. Flash (2 kr) + ponowne zdjęcie = ten sam koszt
   • Zainwestuj czas w jakość obrazu, aby zaoszczędzić kredyty

4. Śledź swoje użycie:

   • Monitoruj saldo kredytów w nagłówku
   • Zwróć uwagę, który model działa dla którego zadania
   • Planuj zakupy kredytów dla swojego obciążenia pracą

---

Porównanie: OCR vs Tłumaczenie

Kiedy używać funkcji Obraz na tekst (OCR)

• Cel: Wydobycie tylko tekstu, bez tłumaczenia
• Najlepsze do:
  • Wprowadzania danych i digitalizacji
  • Transkrypcji materiałów drukowanych
  • Archiwizacji tekstu
  • Przepływów pracy kopiuj-wklej
  • Analizy i przetwarzania tekstu
  • Tworzenia przeszukiwalnego tekstu z obrazów

Kiedy używać tłumaczenia obrazów

• Cel: Wydobycie ORAZ tłumaczenie tekstu
• Najlepsze do:
  • Dokumentów w obcych językach
  • Mangi i komiksów
  • Międzynarodowych etykiet produktów
  • Wielojęzycznych oznakowań
  • Adaptacji treści międzyjęzykowych

Porównanie funkcji

Integracja przepływu pracy

Typowe przepływy pracy:

1. Najpierw OCR, potem tłumaczenie:

   • Użyj funkcji Obraz na tekst, aby wydobyć tekst
   • Skopiuj wydobyty tekst
   • Wklej do narzędzia tłumaczeniowego w celu edycji
   • Najlepsze, gdy musisz edytować przed tłumaczeniem

2. Bezpośrednie tłumaczenie:

   • Użyj Translatora obrazów dla natychmiastowego przetłumaczonego obrazu
   • Najlepsze, gdy zachowanie układu jest krytyczne
   • Idealne dla mangi, znaków, materiałów marketingowych

---

Uzyskiwanie pomocy

Dokumentacja

• Translator pojedynczego obrazu: Przewodnik po stronie głównej
• Translator wsadowy: Przewodnik po translatorze wsadowym
• Translator mangi: Przewodnik po translatorze mangi

Kanały wsparcia

• FAQ: Cennik i FAQ
• Kontakt: Strona kontaktowa
• Społeczność: Dołącz do naszego Discorda dla wsparcia rówieśniczego

---

Co dalej?

Teraz, gdy opanowałeś funkcję Obraz na tekst, odkryj nasze inne narzędzia:

• Translator obrazów: Tłumacz tekst w obrazach z zachowaniem układu
• Translator wsadowy obrazów: Przetwarzaj do 1000 obrazów jednocześnie
• Translator mangi: Wyspecjalizowane narzędzie dla mangi i komiksów (100 obrazów)

Zacznij bez wysiłku wydobywać tekst z obrazów i usprawnij swój przepływ pracy digitalizacji!