Tesseract Ukrainian

[Praporshic]

Те саме можна сказати і про російських перекладачів: ми за меншого ресурсу виконавців, робимо як маленьких російську команду перекладачів KDE4.

В мене питаннячко: часом не вони перекладали KDE4 українською? Таких знущань з мови я у ВПЗ ще не бачив.

[piktor]

Ну, якщо вже yurchor заговорив про GUI то я згадав свою потребу прикрутити його до tesseractу, що вже в мене працює. Бо знаєте - спочатку скануй, збергіай, а лиш потім з консолі розпізнавай.
Іще - багатомовні тексти. Тобто наявність кирилиці та латиниці одночасно в тексті. Зокрема таке буває в нашій улюбленій інформатиці.

[yurchor]

Доки я спав та мріяв, підсуєтилися якісь в’єтнамці. Їх поробка на java виглядає страшнувато і працює лише під Windows (принаймні під Linux мені запустити її так і не вдалося). Ідея така: виділяємо руцями текстову частину на зображенні у форматі JPEG, GIF, BMP або PNG і натискаємо кнопку розпізнавання = отримуємо текстовий результат. Зрозуміло, що перед цим треба зробити деякі очевидні махінації щодо впихування 2.02 та української (чи російської) мови до дистрибутиву tesseract, що йде в комплекті.

Кого не влаштовує, чекаємо на Ocropus (Google-ва клієнтська програма (GUI) з підтримкою формату сторінки, має вийти у 3 кварталі цього року, покищо доступна лише альфа-версія). Або голосуємо за баг у Kooka, може колись розробники звернуть на це увагу?

[oleksa]

Будь ласка, дайте лінк на сторінку з файлом, який дозволить розпізнати український текст, бо наведене вище посилання не дійсне :-( Дякую.
PS Чи пробував хтось прикрутити це диво до Kooka?

[yurchor]

Будь ласка, дайте лінк на сторінку з файлом, який дозволить розпізнати український текст, бо наведене вище посилання не дійсне :-( Дякую.
PS Чи пробував хтось прикрутити це диво до Kooka?

http://omploader.org/vMXdhcw

Якщо підрегулювати DangAmbigs працює ще краще, але я десь загубив файл.

До Kooka прикрутити не вдасться. Kooka здохла (див. вище).

На налаштування Ocropus потрібен час. Часу у мене немає (роботи досить небагато, є ідеї, але немає часу навіть на це). Може хтось візьметься?

Але, навіть якщо прикрутити вдасться, поки що форматування буде видано у форматі певного XML, який не дуже-то читається іншими програмами (єдиною відомою мені програмою є Firefox).

Такі справи.

[oleksa]

Урра! Вийшло. Він розпізнав кілька слів і кілька з тих слів були українськими ))))
Думаю, що kooka - штука добра, хто б її лише довів би до ручки.

[StarWolf]

Урра! Вийшло. Він розпізнав кілька слів і кілька з тих слів були українськими ))))
Думаю, що kooka - штука добра, хто б її лише довів би до ручки.

Кхм. Судячи з "кілька слів", вона вже доведена.

[propan]

Прохання: викладіть, будь ласка, готовий, зібраний ORC. Щоб працювати можна було.

[yurchor]

Прохання: викладіть, будь ласка, готовий, зібраний ORC. Щоб працювати можна було.

А що таке ORC? Вікіпедія пропонує лише такі варіанти:

• Odonata Records Committee
• Offshore Racing Congress, the organisation that sets handicap standards for maritime yacht racing
• Ohio Revised Code
• Old Red Cracker, an Internet hacker
• Opinion Research Corporation, a polling and market research company
• Orc Software
• Orc (programming language), a programming language for computation orchestration
• Oregon City (Amtrak station), Oregon, United States; Amtrak station code ORC
• Organic Rankine cycle
• Organized retail crime
• Origin recognition complex, protein complex involved in eukaryotic DNA replication initiation
• Oriental Railway Company, an Ottoman railway
• IATA airport code ORC: Orocue Airport, in Orocue, Colombia
• Otago Regional Council, a local government authority in New Zealand

Можете точніше сформулювати, що саме з вказаного вище вам потрібно викласти? Як саме з цим працювати?

[propan]

Перепрошую.
Я маю на увазі розпізнавання тексту.
Сфотографував текст телефоном - розпізнав програмою й перевів у формат дос чи тхт.
Можна викласти вже готову й налаштовану програму?
 У мене Мінт Катя.

[yurchor]

Додаєте PPA: ppa:alex-p/notesalexp (у Fedora можна було б встановити найновіші версії, але і так згодиться: Ubuntu продовжує воювати з GNOME   )

Встановлюєте ocrfeeder, tesseract (разом з модулем для української, англійської та інших мов) і cuneiform.

Або ось так:

Код: [Вибрати]

apt-get install ocrfeeder tesseract cuneiform
Далі або користуєтеся OCRFeeder у графічному режимі, або (якщо дуже поспішаєте):

Код: [Вибрати]

ocrfeeder-cli -l ukr -i page1.jpg page2.jpg -f html -o output.htm && loffice --convert-to odt output.html

[propan]

Я не зовсім розуміюсь що і як.
Мені б просто стягнути файл, клікнути по ньому, він встановлюється і все ок.
Можна так?

[yurchor]

Я не зовсім розуміюсь що і як.
Мені б просто стягнути файл, клікнути по ньому, він встановлюється і все ок.
Можна так?

Flame:

Ви — мій улюблений троль! Ну, ближче, ближче, я вас трошки погодую... Але не їжте забагато, бо станете малорухливим!

Не мав часу добре підготуватися, тому дам ось таке посилання.

Загалом кажучи, у нормальних системах всі залежності мають встановитися разом з основним пакунком. Або за допомогою одного клацання (openSUSE). На жаль, в Debian/Ubuntu/Linux Mint це неможливо. Єдиний можливий спосіб описано вище.

[propan]

тисну - але нічого не відбувається...((

[propan]

хоча пакунки є а в меню графіка нема