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.
Подготовить изображение. Повернуть страницу, выровнять наклон, убрать мешающий шум. Если исходник — многостраничный
.pdf, программе может сначала понадобиться получить изображения его страниц.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.
Прочитать символы. Определить, какие буквы, цифры и знаки находятся в найденных областях. Здесь возможны подмены похожих символов: например, буквы «О» и цифры «0».
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.
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
Инструменты распознавания — приложения, сервисы, модели и движки
ИИ и офисные форматы файлов — текстовый слой и устройство
.pdf
Дополнительные материалы
Что такое OCR -- IBM — определение и основные операции
Документация Tesseract — OCR-движок и нейросетевое распознавание
GLM-OCR — пример специализированной мультимодальной модели
Теги: #ocr #распознавание #мультимодальность #pdf