OCR, HTR, transcrição automática: qual é a diferença?

O que é o OCR?

O OCR, do inglês Optical Character Recognition, reconhece os caracteres de um texto impresso ou dactilografado. Destaca-se em digitalizações limpas de caracteres regulares; tem dificuldades com fotografias tortas, sombras, caracteres góticos sem modelo dedicado e o manuscrito. O Tesseract, livre, e o ABBYY FineReader são dois exemplos.

O que é o HTR?

O HTR, do inglês Handwritten Text Recognition, lê a escrita manuscrita linha a linha. As ferramentas de HTR, como o eScriptorium com o seu motor Kraken ou o Transkribus, dividem a página em linhas e depois aplicam um modelo, muitas vezes treinado em páginas da mesma caligrafia transcritas à mão.

E os modelos de IA de leitura?

Leem a imagem inteira como um leitor: impresso, dactilografado, gótico, manuscrito, tabelas, páginas duplas, sem treino na sua caligrafia. Compreendem a disposição da página e a língua, e podem também traduzir e registar os nomes e as datas. A wondarchive usa-os mostrando sempre o texto ao lado da fotografia, e reconhecendo as páginas vazias em vez de lhes inventar um texto.

Como se comparam?

	OCR	HTR	IA de leitura
Impresso, dactilografado	sim, em digitalizações limpas	sim	sim, fotografias incluídas
Manuscrito	não	sim, com um modelo adequado	sim, sem treino
Treino	não	muitas vezes, na caligrafia	não
Fotografias tortas, sombras	mal	consoante a segmentação	bem
Tradução, nomes, datas	não	não	sim
Exemplos	Tesseract, ABBYY FineReader	eScriptorium, Transkribus	wondarchive

Qual usa a wondarchive?

A IA de leitura para cada página, com uma releitura reforçada para o manuscrito. E, como opção gratuita, um OCR livre que lê as páginas no seu navegador, sem IA nem créditos: prático para o impresso nítido (transcrever gratuitamente).

Todas as funcionalidades Preços Criar a minha conta gratuita

A conta abre-se em um minuto, com cem páginas gratuitas durante um ano.

O que significa HTR?

Handwritten Text Recognition, o reconhecimento de texto manuscrito: a leitura automática da escrita à mão.

O OCR lê o manuscrito?

Mal: o OCR clássico é feito para caracteres impressos regulares. Para o manuscrito, é preciso um HTR ou um modelo de IA de leitura.

Qual é a diferença entre transcrição e OCR?

O OCR é uma técnica; a transcrição é o resultado, o texto da página tal como está escrito, seja produzido por uma máquina ou por uma pessoa.

Ainda é preciso treinar um modelo de HTR?

Para ler e pesquisar um fundo, não: os modelos de IA recentes leem sem treino. O treino continua a ser útil para uma edição linha a linha de uma mesma mão.

Veja-o nas suas próprias páginas

Cem páginas transcritas e traduzidas, durante um ano, sem cartão bancário.

Criar a minha conta gratuita Ver os preços