محبوبیت چشمگیر Umi-OCR در گیت‌هاب؛ استخراج کاملاً آفلاین متن روی دسکتاپ به ۴۷ هزار ستاره رسید
ابزار متن‌باز Umi-OCR با عبور از ۴۷ هزار ستاره در گیت‌هاب، به یکی از محبوب‌ترین گزینه‌ها برای استخراج آفلاین متن تبدیل شده است. این نرمافزار امکان پردازش اسکرین‌شات‌ها و اسناد متنی را بدون نیاز به اینترنت، پرداخت هزینه یا نقض حریم خصوصی روی دسکتاپ فراهم می‌کند.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- پروژه متن‌باز Umi-OCR با بیش از ۴۷ هزار ستاره در گیت‌هاب حسابی سر زبان‌ها افتاده و استخراج متن از تصاویر و اسناد رو به شکل کاملاً آفلاین و رایگان برای ویندوز و لینوکس ممکن کرده است.
- تمامی پردازش‌ها مستقیماً روی سیستم کاربر انجام میشه؛ یعنی نه خبری از آپلود فایل‌ها به سرور‌های ابری هست و نه نیاز به اشتراک یا پرداخت هزینه وجود داره که برای اسناد محرمانه فوق‌العاده است.
- علاوه بر اسکرین‌شات و استخراج گروهی تصاویر، توسعه‌دهنده‌ها می‌تونن از طریق خط فرمان (CLI) یا وب‌سرویس محلی (API) از این موتور برای اسکریپت‌ها و پروژه‌های خودشون هم خروجی بگیرن.
ورود OCR خصوصی و قابل اسکریپت‌نویسی به دنیای دسکتاپ با Umi-OCR
پروژه Umi-OCR با بسته‌بندی موتورهای متن‌باز OCR در قالب یک نرمافزار دسکتاپ مبتنی بر Qt/QML، به محبوبیت شگفت‌انگیزی دست یافته و حالا حدود ۴۷ هزار ستاره و بیش از ۴۶۰۰ فورک در گیت‌هاب دارد. این پروژه که تحت مجوز آزاد MIT منتشر شده، اسکرین‌شات‌ها، عکس‌ها و اسناد اسکن‌شده را کاملاً محلی و روی سیستم خود کاربر پردازش می‌کند؛ بنابراین نیازی به آپلود اطلاعات در فضای ابری، ساخت حساب کاربری یا پرداخت هزینه‌های دلاری نخواهید داشت. علاوه بر این، نسخه ویندوز آن به صورت یک فایل پرتابل و فشرده 7z ارائه می‌شود که بدون نیاز به نصب، بلافاصله قابل اجراست.
پردازش کاملاً محلی، گزینه‌ای بی‌نقص برای اسناد حساس و محرمانه، سیستم‌های آفلاین و خطوط لوله‌ای (Pipelines) است که نباید وابسته به APIهای ابری باشند. همچنین توسعه‌دهندگان می‌توانند از طریق رابط خط فرمان (CLI) یا سرویس HTTP محلی به موتور OCR دسترسی داشته باشند؛ مزیتی فوق‌العاده که استفاده از یک هسته مشترک را هم برای کار‌های روزمره دسکتاپ و هم اسکریپت‌نویسی و ادغام با سایر برنامه‌ها ممکن می‌سازد.
از ثبت اسکرین‌شات تا ساخت فایل‌های PDF قابل جست‌وجو
نرمافزار Umi-OCR جریان‌های کاری اصلی خود را در تب‌های مجزا دسته‌بندی کرده و چندین کتابخانه زبانی مختلف را برای بازشناسی آفلاین متن در خود جای داده است:
- استخراج متن از اسکرین‌شات (Screenshot OCR): با فشردن یک کلید میانبر سراسری، انتخاب بخشی از صفحه یا پیست کردن تصویر از کلیپ‌بورد، متن استخراج‌شده در پنجره پیش‌نمایش به همراه یک تاریخچه قابل ویرایش نمایش داده می‌شود.
- پردازش گروهی تصاویر (Batch OCR): می‌توانید فهرستی از فرمت‌های تصویری مختلف مثل
jpg،png،webp،bmpوtifرا صف‌بندی کنید و خروجی متن را با فرمت‌هایtxt،jsonl،mdیاcsvتحویل بگیرید. این برنامه هیچ محدودیتی در تعداد فایل‌ها ندارد و حتی می‌تواند پس از پایان پردازش، رایانه را خاموش یا به حالت تعلیق درآورد. - تشخیص و تبدیل اسناد (Document recognition): امکان پردازش و استخراج متن از فرمت‌های مختلف اسناد مانند
pdf،xps،epub،mobiوfb2به متون قابل جست‌وجو.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی
یک ماه هر روز به خودم ایمیل زدم و جمینای جواب داد؛ نتیجه جالب این آزمایش با هوش مصنوعی گوگل
چه اتفاقی می‌افتد اگر به مدت یک ماه هر روز افکار، یادداشت‌ها و دغدغه‌های ذهنی‌تان را برای خودتان ایمیل کنید و بگذارید هوش مصنوعی جمینای به آن‌ها جواب دهد؟ این آزمایش تجربی نشان می‌دهد که دستیار هوش مصنوعی گوگل فراتر از پاسخ‌های اداری و کلیشه‌ای، چطور می‌تواند ابزاری غافلگیرکننده برای مرتب کردن شلوغی‌های ذهن و پیدا کردن زوایای پنهان کار‌های روزمره باشد.
دسته‌گل‌های جنجالی هوش مصنوعی آنتروپیک؛ کاخ سفید گزارش تخلفات را اجباری کرد!
پس از دسته‌گل‌های اخیر مدل‌های هوش مصنوعی آنتروپیک و نفوذ ناخواسته آن‌ها به سامانه‌های دولتی، کاخ سفید رویکرد ملایم قبلی را کنار گذاشت. حالا دولت آمریکا با ابلاغ دستورالعملی تازه، تمامی توسعه‌دهندگان هوش مصنوعی را موظف کرده که هرگونه حادثه و خطای امنیتی مدل‌های خود را فوراً گزارش داده و خسارات ناشی از آن را جبران کنند.
شاهکار ارتش ۲۰۰۰ ایجنتی پرایم اینتلکت؛ بازنویسی پرایم ایجنت با زبان راست و سرعت ۱۳ برابری!
استارتاپ پرایم اینتلکت در اقدامی شگفت‌انگیز، با هماهنگی بیش از ۲۰۰۰ ایجنت هوش مصنوعی موفق شد فریم‌ورک پرایم ایجنت را ظرف دو هفته از تایپ‌اسکریپت به زبان راست بازنویسی کند. نتیجه این مهاجرت عظیم، کاهش ۸۳ درصدی مصرف حافظه و جهش چشمگیر ۱۳ برابری در سرعت اجرای این ابزار متن‌باز است.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.