Το καλύτερο Python OCR API για ανάγνωση και εξαγωγή κειμένου εικόνων

Ξεκινώντας με το Aspose.OCR Cloud SDK για Python

Ο προτεινόμενος τρόπος εγκατάστασης του Aspose.OCR Cloud SDK για Python είναι η χρήση pip. Χρησιμοποιήστε την ακόλουθη εντολή για ομαλή εγκατάσταση.

 pip install aspose-ocr-cloud

Αναγνώριση εικόνας με χρήση εφαρμογών Python

Το Aspose.OCR Cloud SDK για Python επιτρέπει στους προγραμματιστές λογισμικού να εκτελούν λειτουργία OCR για να επιτύχουν αναγνώριση εικόνας μέσα στις δικές τους εφαρμογές Python. Το API είναι πολύ εύκολο στη χρήση και η αναγνώριση εικόνας μπορεί να πραγματοποιηθεί από οποιαδήποτε πλατφόρμα με πρόσβαση στο Διαδίκτυο. Μπορείτε εύκολα να χρησιμοποιήσετε το OCR REST API για να επιλέξετε και να στείλετε εικόνες για αναγνώριση, να ανακτήσετε αποτελέσματα και να τις αποθηκεύσετε σε οποιεσδήποτε υποστηριζόμενες μορφές αρχείων με μόνο μερικές γραμμές κώδικα. Το ακόλουθο παράδειγμα δείχνει πώς να εκτελέσετε τη λειτουργία OCR σε εικόνες χρησιμοποιώντας κώδικα Python.

import asposeocrcloud

# create an instance of the OCR client
client = asposeocrcloud.OcrApi(api_key='your_api_key', app_sid='your_app_sid')

# read the image file
with open('image.jpg', 'rb') as image_file:
    image_data = image_file.read()

# call the OCR API to extract text from the image
result = client.post_ocr(image_data=image_data, language='eng', use_default_dictionaries=True)

# print the extracted text
print(result.text)

Εξαγωγή κειμένου από αρχεία PDF μέσω Python API

Το Portable Document Format (PDF) είναι μια από τις πιο δημοφιλείς μορφές αρχείων επιχειρηματικών εγγράφων στον κόσμο και είναι μια μορφή αρχείου που αναπτύχθηκε από την Adobe το 1992 για την παρουσίαση εγγράφων. Το Aspose.OCR Cloud SDK για Python έχει συμπεριλάβει μια πολύ ισχυρή δυνατότητα εξαγωγής κειμένου από αρχεία PDF μέσα σε εφαρμογές Python. Για να επιτύχετε την εργασία με εύκολο τρόπο, πρέπει να ανεβάσετε το αρχείο PDF στον αποθηκευτικό χώρο Aspose cloud και να εκτελέσετε την αναγνώριση OCR στο μεταφορτωμένο αρχείο PDF. Το παρακάτω παράδειγμα δείχνει πώς οι προγραμματιστές λογισμικού μπορούν να εξαγάγουν κείμενο από ένα αρχείο PDF χρησιμοποιώντας κώδικα Python.

import asposeocrcloud
from asposeocrcloud.apis.ocr_api import OcrApi
from asposeocrcloud.configuration import Configuration

configuration = Configuration(api_key='your_api_key', app_sid='your_app_sid')
api = OcrApi(asposeocrcloud.ApiClient(configuration))

# Upload the PDF file to the Aspose cloud storage

with open('your_pdf_file.pdf', 'rb') as file:
    api.upload_file(path='your_pdf_file.pdf', file=file)

# Perform the OCR recognition on the uploaded PDF file
result = api.post_recognize_ocr_from_url_or_content(file_path='your_pdf_file.pdf')

# Story the recognized text

recognized_text = result['text']
print(recognized_text)

Μετατροπή κειμένου σε ομιλία μέσω Python API

Το Aspose.OCR Cloud SDK για Python επιτρέπει στους προγραμματιστές λογισμικού να μετατρέπουν κείμενο από εικόνα χωρίς να εγκαταστήσουν λογισμικό τρίτου μέρους. Χρησιμοποιώντας το API, οι προγραμματιστές μπορούν να μετατρέψουν τα αποτελέσματα της αναγνώρισης σε μια φυσική ανθρώπινη φωνή που μπορεί να αναπαραχθεί στο παρασκήνιο ή να γίνει λήψη. Ο πρώτος χρήστης πρέπει να στείλει την εικόνα στον διακομιστή Aspose OCR Cloud και να εξαγάγει κείμενο από αυτόν και στη συνέχεια να μετατρέψει το κείμενο σε ομιλία χρησιμοποιώντας το Aspose OCR Cloud Text-to-Speech API. Μετά την επιτυχή μετατροπή, μπορείτε να αποθηκεύσετε το αρχείο ομιλίας στο δίσκο.

 import os
from asposeocrcloud import OcrApi, OcrClient, SpeechApi

client_id = os.environ['CLIENT_ID']
client_secret = os.environ['CLIENT_SECRET']
ocr_api = OcrApi(OcrClient(client_id, client_secret))
speech_api = SpeechApi(OcrClient(client_id, client_secret))

# Upload the image containing the text
filename = 'image.png'
with open(filename, 'rb') as file:
    response = ocr_api.post_recognize_from_content(file.read(), language='English', use_default_dictionaries=True)

# Extract the recognized text

text = ''
for result in response.parts:
    for line in result.lines:
        for word in line.words:
            text += word.text + ' '

# Convert the text to speech
response = speech_api.post_recognize_from_text(text, language='en-US', voice_name='Ben')

# Save the speech file to disk

with open('output.wav', 'wb') as file:
    file.write(response.content)