फ़ोटो से हस्तलेखन-से-टेक्स्ट: क्या स्वचालित नहीं करना चाहिए

हस्तलेखन OCR क्या कर सकता है—और क्या नहीं

ऑप्टिकल कैरेक्टर रिकग्निशन (OCR) किसी छवि में टेक्स्ट की पहचान करता है और उसे डिजिटल टेक्स्ट के रूप में वापस देता है। Google का Cloud Vision दस्तावेज़ हस्तलेखन की पहचान और पृष्ठों, ब्लॉकों, अनुच्छेदों तथा शब्दों में व्यवस्थित आउटपुट का वर्णन करता है। Microsoft भी अपने OCR ओवरव्यू में OCR को छवियों और दस्तावेज़ों से मुद्रित या हस्तलिखित टेक्स्ट निकालने के रूप में वर्णित करता है। ये क्षमताएं टाइपिंग का समय बचा सकती हैं, लेकिन टेक्स्ट निकालना यह स्थापित नहीं करता है कि पहचाना गया प्रत्येक वर्ण या पंक्तियों के बीच का संबंध सही है।

परिणाम को एक ड्राफ़्ट समझें जिसकी फ़ोटो से मिलान करके जांच की जानी चाहिए। टेक्स्ट आउटपुट देखने में बिल्कुल सही लग सकता है, भले ही उसमें कोई गलत अंक, छूटा हुआ शब्द या टुकड़ों के बीच मनगढ़ंत संबंध शामिल हो। यह जोखिम वहां सबसे अधिक मायने रखता है जहां एक छोटी सी त्रुटि नोट के अर्थ को पूरी तरह बदल देती है। National Archives के ट्रांसक्रिप्शन सुझाव ट्रांसक्राइबर्स को दस्तावेज़ में अन्यत्र मौजूद समान अक्षरों की तुलना करने, न पढ़े जा सकने वाले शब्दों को “[अपठनीय]” के रूप में चिह्नित करने और प्रासंगिक होने पर काटे गए टेक्स्ट को इंगित करने की सलाह देते हैं। OCR की जांच के लिए भी ये उपयोगी आदतें हैं।

इन विवरणों को मानवीय समीक्षा के अधीन रखें

नाम और असामान्य शब्द। OCR अपरिचित नामों, स्थानों के नामों, संक्षिप्ताक्षरों या व्यक्तिगत शॉर्टहैंड को अधिक परिचित दिखने वाले शब्द में बदल सकता है। छवि और आस-पास के संदर्भ से वर्तनी (स्पेलिंग) की जांच करें; केवल इसलिए किसी स्पेलिंग को चुपचाप न बदलें क्योंकि दूसरा संस्करण अधिक संभावित लगता है। Library of Congress का ट्रांसक्रिप्शन और वर्तनी मार्गदर्शन ऐतिहासिक दस्तावेज़ों का ट्रांसक्रिप्शन करते समय मूल वर्तनी को बनाए रखने की सलाह देता है। किसी व्यक्तिगत नोट के लिए भी यही सिद्धांत व्यावहारिक है: पृष्ठ पर जो दिखाई देता है उसे दर्ज करें, और किसी भी व्याख्या को एक अलग नोट में रखें।

संख्याएं, तिथियां, समय और राशियां। प्रत्येक अंक और विभाजक (सेपरेटर) की सीधे फ़ोटो में जांच करें। हस्तलेखन के कारण 1 और 7, 0 और 6, या दशमलव बिंदु और किसी आकस्मिक निशान के बीच अंतर करना कठिन हो सकता है। संदर्भ एक संभावित पठन सुझा सकता है, लेकिन यह इसे साबित नहीं कर सकता। यदि कोई संख्या अस्पष्ट है, तो जो भी मान उचित लगे उसे चुनने के बजाय उसे किसी व्यक्ति द्वारा समीक्षा के लिए चिह्नित छोड़ दें।

अर्थ को उलटने या सीमित करने वाले छोटे शब्द। “नहीं”, “ना”, “यदि”, और “सिवाय” जैसे शब्दों को जल्दबाजी में की गई समीक्षा में अनदेखा करना आसान होता है क्योंकि वे छोटे होते हैं। जांचें कि क्या वे मौजूद हैं और क्या किसी पंक्ति विराम या हल्के स्ट्रोक ने पठन को प्रभावित किया है। यह प्रूफ़रीडिंग की एक व्यावहारिक प्राथमिकता है: शब्द भले ही छोटा हो, लेकिन इसे छोड़ देने से निर्देश का अर्थ बदल सकता है।

सुधार, विलोपन (कटाव), और लेआउट। काटा गया शब्द, पंक्ति के ऊपर जोड़ा गया टेक्स्ट, तीर का निशान, चेकबॉक्स, या किसी सूची के बगल में लिखा लेबल यह दिखा सकता है कि अलग-अलग हिस्से आपस में कैसे संबंधित हैं। एक सादा टेक्स्ट परिणाम उस स्थानिक जानकारी को सुरक्षित नहीं रख सकता है। छवि को संभाल कर रखें, और जब विवरण आपके ट्रांसक्रिप्शन को समझाने में मदद करता हो, तो कोष्ठक में एक संक्षिप्त नोट का उपयोग करें—जैसे कि “[काटा गया]” या “[पंक्ति के ऊपर लिखा गया]”। National Archives विशेष रूप से कोष्ठक वाले विवरणों की अनुमति देता है और काटे गए टेक्स्ट को नोट करने का सुझाव देता है; यह यह भी कहता है कि सटीक स्वरूपण (फ़ॉर्मेटिंग) को हमेशा दोहराना आवश्यक नहीं है। ऐसे नोट के लिए जहां लेआउट अर्थ को प्रभावित करता है, उस अंतर को बनाए रखना एक सुविचारित निर्णय है, न कि प्रत्येक मार्जिन या इंडेंटेशन को फिर से बनाने की अनिवार्यता।

सिस्टम जिसे अनिश्चित चिह्नित करता है—या जिसे पढ़ना आपके लिए कठिन है। अस्पष्ट आउटपुट समीक्षा के योग्य है, भले ही आस-पास का टेक्स्ट आसानी से पढ़ा जा रहा हो। किसी अनुमान को एक पुष्ट कथन में न बदलें। यदि आप फ़ोटो से किसी शब्द का अर्थ स्पष्ट नहीं कर पा रहे हैं, तो टेक्स्ट में उसे अनिश्चित या अपठनीय के रूप में चिह्नित करें, फिर संदर्भ के लिए छवि को संभाल कर रखें। National Archives उन शब्दों के लिए “[अपठनीय]” का उपयोग करता है जिन्हें कोई ट्रांसक्राइबर समझ नहीं पाता है; आप अपने स्वयं के नोट्स के अनुकूल इसी तरह की परंपरा अपना सकते हैं।

एक व्यावहारिक समीक्षा क्रम

मूल फ़ोटो को सुरक्षित रखें। यदि आपको क्रॉप करने, घुमाने (रोटेट करने) या ब्राइटनेस को समायोजित करने की आवश्यकता है, तो उसकी एक कॉपी पर काम करें। सुनिश्चित करें कि पूरा नोट उपलब्ध रहे ताकि क्रॉप करने से कोई हेडिंग, मार्जिन का नोट या पंक्तियों के बीच का संबंध न हटे।

OCR चलाएं और इसके आउटपुट को ड्राफ़्ट के रूप में रखें। साफ़-सुथरे दिखने वाले परिणाम को इस बात का प्रमाण मानने से बचें कि प्रत्येक शब्द सही है।

पंक्ति-दर-पंक्ति टेक्स्ट की छवि से तुलना करें। छूटे हुए शब्दों के साथ-साथ बदले हुए शब्दों की भी जांच करें। विशेष रूप से नामों, अंकों, तिथियों, नकारात्मक शब्दों और ऐसे शब्दों पर ध्यान दें जिनकी आप संदर्भ में अपेक्षा नहीं करेंगे।

संरचना और संपादनों की समीक्षा करें। जांचें कि क्या चेकबॉक्स, तीर के निशान, अतिरिक्त जोड़े गए टेक्स्ट, लेबल या काटे गए टेक्स्ट के लिए किसी संक्षिप्त नोट की आवश्यकता है ताकि ट्रांसक्रिप्शन से कोई अलग क्रम या अर्थ न निकले।

अस्पष्ट पाठ को चिह्नित करें। किसी संभावित अनुमान से खाली जगह भरने के बजाय “[अस्पष्ट]” या “[अपठनीय]” जैसे एक समान मार्कर का उपयोग करें। अपनी टिप्पणियों को उन शब्दों से अलग रखें जिन्हें आप वास्तव में पढ़ सकते हैं।

अर्थ की अंतिम जांच करें। फ़ोटो को देखते हुए ट्रांसक्रिप्शन पढ़ें। जांचें कि क्या प्रत्येक पंक्ति और महत्वपूर्ण विवरण का छवि में कोई समकक्ष हिस्सा है, और क्या कोई संदिग्ध पाठ अभी भी टेक्स्ट में स्पष्ट रूप से संदिग्ध दिख रहा है।

तय करें कि कितना स्वचालित करना है

किसी स्पष्ट खरीदारी सूची या व्यक्तिगत रिमाइंडर के लिए, OCR एक सुविधाजनक शुरुआती बिंदु प्रदान कर सकता है; सामान्य उपयोग के लिए एक त्वरित छवि-से-टेक्स्ट तुलना पर्याप्त हो सकती है। यदि टेक्स्ट पर बाद में भरोसा किया जाना है, किसी अन्य के साथ साझा किया जाना है, या किसी विशिष्ट निर्देश को पूरा करने के लिए उपयोग किया जाना है, तो महत्वपूर्ण विवरणों की अधिक सावधानी से समीक्षा करें और अस्पष्टताओं को बनाए रखें। यह एक व्यावहारिक जोखिम-आधारित नियम है, न कि यह दावा कि कोई विशेष OCR टूल किसी विशेष लिखावट शैली के लिए सटीक है।

किसी ऑनलाइन OCR सेवा पर फ़ोटो अपलोड करने से पहले गोपनीयता पर विचार करें। एक हस्तलिखित पृष्ठ में नाम, पते, शेड्यूल या अन्य जानकारी शामिल हो सकती है जिसे आप किसी सेवा को नहीं भेजना चाहेंगे। अपलोड करने से पहले सेवा की वर्तमान डेटा-हैंडलिंग शर्तों और उपलब्ध प्रोसेसिंग विकल्पों की जांच करें, या ऐसे तरीके का उपयोग करें जो छवि को आपके अपने डिवाइस पर ही रखे यदि वह आपकी आवश्यकताओं के लिए अधिक उपयुक्त है। OCR दस्तावेज़ टेक्स्ट निष्कर्षण की व्याख्या करता है; यह अपने आप में यह स्थापित नहीं करता है कि प्रत्येक ऐप या सेवा के माध्यम से अपलोड की गई फ़ोटो के साथ क्या होता है।

एक व्यावहारिक उदाहरण

मान लीजिए कि एक हस्तलिखित रिमाइंडर में लिखा प्रतीत होता है “Call Sam — 3/8 — not before 6।” OCR का परिणाम आता है “Call Sam 3/8 before 6।” तारीख का प्रारूप अस्पष्ट हो सकता है, और “not” शब्द गायब हो गया है। लेखक का किस कैलेंडर प्रणाली का इरादा था, इसका अनुमान न लगाएं या बदले हुए निर्देश को केवल इसलिए स्वीकार न करें क्योंकि वाक्य सुव्यवस्थित दिखता है। दोनों स्थानों की छवि से तुलना करें; यदि तारीख या नकारात्मक शब्द को पढ़ना कठिन बना रहता है, तो उसे चिह्नित करें और टेक्स्ट के साथ फ़ोटो को सुरक्षित रखें। यह उदाहरण केवल समझाने के लिए है: इसका उद्देश्य यह दिखाना है कि प्रतीत होने वाले छोटे से OCR बदलाव के लिए मानवीय निर्णय की आवश्यकता कहां होगी।

याद रखने योग्य नियम

पहला ड्राफ़्ट स्वचालित रूप से तैयार करें; महत्वपूर्ण या अनिश्चित निशानों की व्याख्या किसी व्यक्ति पर छोड़ दें। छवि को सुरक्षित रखें, अर्थ बदल सकने वाले विवरणों की जांच करें, और जिसे आप विश्वास के साथ नहीं पढ़ सकते उसे चिह्नित करें। यह दृष्टिकोण National Archives के व्यावहारिक ट्रांसक्रिप्शन मार्गदर्शन का पालन करता है—संदर्भ में लिखावट की जांच करना, सार्थक सुधारों को बनाए रखना और अपठनीय टेक्स्ट की पहचान करना—जबकि OCR का उपयोग नोट में क्या लिखा है उस पर अंतिम प्राधिकारी के रूप में नहीं, बल्कि केवल टाइपिंग में सहायता के रूप में किया जाता है।

इस विषय को आगे पढ़ें