Как работает OCR

Что такое OCR, чем распознавание отличается от извлечения текста, как в нем участвуют нейросети и почему правильно прочитать буквы еще недостаточно.

Дата составления: 2026-11-18
Статус: 💡 Актуально


Суть технологии

Оптическое распознавание символов (OCR, Optical Character Recognition) — технология, которая переводит текст на изображении в машиночитаемый текст. На фотографии строка «Срок оплаты — 10 рабочих дней» состоит из пикселей. После распознавания появляются символы, которые можно копировать, искать и передавать программам.

Распознавание изображений — более широкое понятие: программа может находить предметы, описывать схемы или сравнивать фотографии. Здесь нас интересует прежде всего чтение текста на изображениях документов.

Что делает система распознавания

Обработка страницы обычно включает несколько операций. В разных инструментах они могут выполняться отдельными компонентами или одной моделью.

  1. Подготовить изображение. Повернуть страницу, выровнять наклон, убрать мешающий шум. Если исходник — многостраничный .pdf, программе может сначала понадобиться получить изображения его страниц.

  2. Найти текст. Отделить области с надписями от иллюстраций и фона, определить строки или блоки. Пропущенная на этом этапе сноска может вообще не попасть на распознавание.

  3. Прочитать символы. Определить, какие буквы, цифры и знаки находятся в найденных областях. Здесь возможны подмены похожих символов: например, буквы «О» и цифры «0».

  4. Восстановить структуру. Установить порядок чтения, отличить заголовок от абзаца, связать содержимое ячеек со строками и столбцами таблицы. Это отдельная задача, хотя ее часто включают в общий продукт для OCR.

  5. Сохранить результат. Записать текст, при необходимости — вместе с разметкой и привязкой к страницам, либо добавить его слоем к исходному .pdf.

Как в этом участвуют нейросети

OCR — название задачи, а не одной архитектуры. Ранние системы сопоставляли изображения с шаблонами и признаками символов. Современные распознаватели часто используют обученные нейросети. При этом нейросеть для чтения строк не обязательно является большой языковой моделью, которая умеет вести диалог.

Например, Tesseract — OCR-движок, в котором есть модель на основе LSTM (Long Short-Term Memory — «долгая краткосрочная память») для распознавания строк. LSTM — название архитектуры нейросети, а не отдельного продукта; обученные модели Tesseract поставляются в языковых наборах данных. Движок здесь означает программный компонент: ему передают изображение, он выполняет обработку и возвращает результат. Это название его роли в программе, а не противоположность нейросети.

Читать текст на изображениях могут и большие языковые модели (LLM), если они поддерживают изображения на входе. Такая мультимодальная языковая модель умеет принимать не только текст, но и изображения. Она может получить изображение страницы и сформировать ответ по нему: переписать текст, описать таблицу или ответить на вопрос. Отдельный OCR-движок между изображением и такой моделью не всегда нужен. В документации сервисов это иногда называется «зрением» или «визуальной обработкой»: модель получает саму картинку, а не только заранее извлеченные из файла символы.

Модель может одновременно быть специализированной для OCR и мультимодальной: ее обучают читать документы, принимая изображения и возвращая текст. Например, GLM-OCR объединяет компонент обработки изображения с языковым компонентом, который формирует текстовый результат. Поэтому «специализированная OCR-модель» и «мультимодальная модель» — совместимые характеристики: первая описывает назначение, вторая — виды данных, с которыми модель работает.

Чтение и анализ содержания — разные действия. OCR отвечает на вопрос «что написано», а анализ — «что из этого следует». Универсальная модель может выполнить оба действия за один запрос, но ошибка чтения все равно перейдет в дальнейшее рассуждение. В инструментах на основе генеративных моделей возможна и правдоподобная подстановка текста по контексту. Если важные символы не видны, надежнее получить лучшую копию, чем считать восстановленную фразу прочитанной.


Когда OCR нужно, а когда текст уже есть

По одному расширению файла нельзя определить, требуется ли распознавание. В .pdf могут находиться цифровой текст, изображения страниц или их сочетание.

Извлечение текста — чтение символов, которые уже записаны в файле. Распознавание — получение символов из изображения. Если пригодный текст уже есть, обычно достаточно первой операции.

Попробуйте выделить, скопировать и вставить в отдельный редактор несколько строк. Проверьте и основной документ, и приложения:

  • Если слова копируются правильно, сначала используйте извлечение текста;

  • Если текст не выделяется или вместо слов получается бессмыслица, проверьте другой способ извлечения. Если пригодного текста нет, понадобится OCR;

  • Если на странице есть и цифровой текст, и изображение с важными сведениями, нужно обработать оба вида содержимого. Текстовый колонтитул не делает весь скан машиночитаемым.

Программа просмотра может сама распознавать картинку при копировании — например, «Просмотр» в macOS. Тогда такая проверка показывает, что текст можно получить через эту программу, но не подтверждает наличие сохраненного текстового слоя в файле. Уже существующий слой тоже может содержать ошибки предыдущего распознавания.

Помните, что объединить фотографии в .pdf — еще не значит распознать их. Для поиска программа добавляет к изображениям текстовый слой: внешний вид страниц остается, а символы становятся доступны для поиска и копирования.


Связанные статьи

Дополнительные материалы


Теги: #ocr #распознавание #мультимодальность #pdf