اگر یک عکس، اسکرینشات، رسید، صفحه کتاب یا سند دارید و نمیخواهید متن داخل آن را دستی تایپ کنید، ChatGPT میتواند نوشتههای موجود در تصویر را بررسی و استخراج کند.
کافی است تصویر را در چت بارگذاری کنید و از ChatGPT بخواهید متن داخل آن را بهصورت کامل و قابل کپی تحویل دهد. OpenAI نیز قابلیت ورودی تصویر را برای تحلیل اسناد و استخراج محتوای بصری معرفی کرده است.
چطور عکس را به متن تبدیل کنیم؟
#روش کار بسیار ساده است. در ChatGPT روی علامت + کنار کادر پیام بزنید و گزینه افزودن عکس یا فایل را انتخاب کنید. در نسخه وب میتوانید تصویر را مستقیماً داخل پنجره گفتوگو بکشید یا حتی تصویری را که در کلیپبورد کپی کردهاید، در کادر چت Paste کنید. سپس کافی است درخواست خود را بنویسید.
برای مثال، بعد از بارگذاری عکس میتوانید بنویسید:
«تمام متن داخل این عکس را بدون تغییر و به ترتیب خطوط استخراج کن.»
اگر فقط متن فارسی را میخواهید، بهتر است صریحاً بنویسید:
«متن فارسی داخل این تصویر را استخراج کن و بدون توضیح اضافی به من بده.»
برای عکسهای شلوغ نیز میتوانید مشخص کنید که کدام قسمت موردنظر شماست؛ مثلاً «فقط متن جدول را استخراج کن» یا «فقط شمارهها و قیمتهای داخل تصویر را بنویس».
آیا ChatGPT میتواند متن فارسی داخل عکس را بخواند؟
#بله، اما دقت آن به کیفیت تصویر و نوع نوشته بستگی دارد. OpenAI اعلام کرده که مدلهای ChatGPT میتوانند تصاویر را تحلیل کنند و محتوای متنی موجود در آنها را استخراج کنند؛ با این حال، خود OpenAI هشدار میدهد که عملکرد مدل در بعضی زبانهای غیرلاتین میتواند ضعیفتر باشد و تصاویر تار، کوچک یا چرخیده نیز احتمال خطا را افزایش میدهند.
بنابراین اگر عکس حاوی متن فارسی، دستخط، فونت بسیار کوچک یا تصویر کمکیفیت است، بهتر است قبل از ارسال، تا حد امکان تصویر واضحتری تهیه کنید. OpenAI همچنین توصیه میکند متن تصویر به اندازه کافی بزرگ باشد، اما هنگام برش تصویر جزئیات مهم حذف نشود.
تبدیل عکس به متن دستنویس
#یکی از کاربردهای جالب این قابلیت، خواندن نوشتههای دستنویس است. میتوانید از ChatGPT بخواهید متن روی یک برگه را بخواند و آن را به متن دیجیتال تبدیل کند. البته دقت در دستخطهای ناخوانا یا تصاویر بیکیفیت تضمینشده نیست و بهتر است متن استخراجشده را با تصویر اصلی مقایسه کنید.
حتی میتوانید مرحله بعدی را هم به ChatGPT بسپارید؛ مثلاً پس از استخراج متن بگویید «غلطهای تایپی را اصلاح کن»، «این متن را خلاصه کن»، «آن را به فارسی ترجمه کن» یا «متن را برای کپی در Word مرتب کن».
تبدیل عکس جدول به متن
#ChatGPT فقط برای پاراگرافهای معمولی کاربرد ندارد. میتوانید تصویری از یک جدول، فاکتور یا فهرست را ارسال کنید و از آن بخواهید اطلاعات را استخراج و مرتب کند. برای نمونه میتوانید بنویسید:
«اطلاعات این جدول را استخراج کن و در قالب جدول دو ستونه تحویل بده.»
با این حال، در جدولهای بسیار پیچیده، فونتهای کوچک یا تصاویری که خطوط و رنگهای زیادی دارند، احتمال خطا بیشتر است. OpenAI نیز در راهنمای خود اشاره میکند که مدل ممکن است در تفسیر برخی عناصر بصری و نمودارها دچار مشکل شود.
آیا برای تبدیل عکس به متن باید برنامه جداگانه نصب کنیم؟
#اگر از ChatGPT استفاده میکنید، برای بسیاری از کارهای معمول نیازی به نصب یک برنامه OCR جداگانه ندارید. ورودی تصویر در ChatGPT روی وب و موبایل در دسترس است و میتوانید تصویر را مستقیماً وارد گفتوگو کنید.
مزیت ChatGPT نسبت به یک OCR ساده این است که کار میتواند بعد از استخراج متن ادامه پیدا کند. برای مثال، میتوانید عکس یک نامه را بدهید، متن آن را استخراج کنید و سپس از ChatGPT بخواهید متن را خلاصه، ترجمه، ویرایش یا دستهبندی کند.
چرا گاهی ChatGPT متن عکس را اشتباه میخواند؟
#هوش مصنوعی همیشه در خواندن تصویر بدون خطا نیست. عکس تار، نور نامناسب، متن بسیار ریز، نوشتههای چرخیده، دستخط ناخوانا و تصاویر پیچیده میتوانند نتیجه را تحت تأثیر قرار دهند. OpenAI نیز تأکید کرده است که مدل ممکن است در برخی شرایط توصیف یا استخراج نادرست ارائه دهد.
همچنین نباید متن استخراجشده از اسناد حساس را بدون بررسی دوباره معتبر فرض کرد. اگر تصویر شامل شماره حساب، اطلاعات هویتی، قرارداد، فاکتور یا اطلاعات مهم است، متن نهایی را با تصویر اصلی تطبیق دهید تا یک رقم یا کلمه اشتباه باعث مشکل نشود.
بهترین پرامپت برای تبدیل عکس به متن
#برای گرفتن نتیجه دقیقتر، به جای نوشتن فقط «متن عکس را استخراج کن»، درخواست خود را دقیق مشخص کنید. یک پرامپت کاربردی این است:
«تمام متن داخل این تصویر را دقیقاً استخراج کن. ترتیب خطوط و پاراگرافها را حفظ کن، چیزی به متن اضافه نکن و اگر بخشی ناخواناست، همان قسمت را مشخص کن.»
اگر میخواهید خروجی برای استفاده مستقیم آماده باشد، میتوانید اضافه کنید:
«متن استخراجشده را بدون توضیح اضافی و در قالبی قابل کپی ارائه بده.»
در نهایت، تبدیل عکس به متن با ChatGPT برای کارهایی مانند استخراج نوشته از اسکرینشات، کتاب، جزوه، رسید، فاکتور، سند، تابلو و تصاویر حاوی متن میتواند بسیار سریعتر از تایپ دستی باشد. با این حال، هرچه کیفیت تصویر بهتر باشد و درخواست دقیقتر نوشته شود، احتمال رسیدن به خروجی قابل استفاده نیز بیشتر خواهد بود.
آیا ChatGPT میتواند عکس را به متن تبدیل کند؟
بله. ChatGPT میتواند متن موجود در عکس، اسکرینشات، سند، رسید و برخی تصاویر حاوی نوشته را شناسایی و به متن قابل کپی تبدیل کند.
چگونه با ChatGPT عکس را به متن تبدیل کنیم؟
کافی است تصویر را در ChatGPT بارگذاری کنید و از آن بخواهید تمام متن داخل تصویر را استخراج کند. برای نتیجه بهتر میتوانید تأکید کنید که ترتیب خطوط و پاراگرافها حفظ شود.
آیا ChatGPT میتواند متن فارسی داخل عکس را استخراج کند؟
بله، ChatGPT میتواند متن فارسی را از تصویر استخراج کند؛ با این حال، کیفیت تصویر، اندازه نوشته و خوانایی متن روی دقت نتیجه تأثیر دارد و در برخی متنهای غیرلاتین احتمال خطا بیشتر است.
آیا ChatGPT میتواند دستخط را از روی عکس بخواند؟
در بسیاری از موارد بله. اگر دستخط واضح باشد، ChatGPT میتواند آن را به متن دیجیتال تبدیل کند؛ اما برای دستخط ناخوانا یا تصاویر بیکیفیت ممکن است اشتباه رخ دهد.
آیا میتوان جدول داخل عکس را به متن تبدیل کرد؟
بله. میتوانید تصویر جدول را در ChatGPT بارگذاری کنید و از آن بخواهید اطلاعات جدول را استخراج و در قالب جدول یا متن مرتب ارائه کند.
بهترین پرامپت برای تبدیل عکس به متن با ChatGPT چیست؟
یکی از پرامپتهای مناسب این است: «تمام متن داخل این تصویر را دقیقاً استخراج کن، ترتیب خطوط و پاراگرافها را حفظ کن، چیزی به متن اضافه نکن و قسمتهای ناخوانا را مشخص کن.»
آیا برای تبدیل عکس به متن با ChatGPT به برنامه OCR نیاز داریم؟
برای بسیاری از کارهای معمول خیر. قابلیت تحلیل تصویر ChatGPT میتواند متن موجود در تصاویر را استخراج کند و بعد از آن نیز میتوانید متن را خلاصه، ترجمه یا ویرایش کنید.
چرا ChatGPT گاهی متن داخل عکس را اشتباه استخراج میکند؟
تصویر تار، نوشته بسیار کوچک، نور نامناسب، دستخط ناخوانا، چرخش تصویر و پسزمینه شلوغ میتوانند باعث کاهش دقت استخراج متن شوند. برای اسناد مهم بهتر است متن استخراجشده با تصویر اصلی بررسی شود.
