Σαρωμένο PDF σε ήχο: OCR και λίστα ελέγχου παραγγελίας ανάγνωσης

Μια πρακτική ροή εργασίας

1. Ελέγξτε τι περιέχει το PDF

   Δοκιμάστε να επιλέξετε και να αντιγράψετε μια σύντομη παράγραφο όπου το επιτρέπει ο αναγνώστης σας και, στη συνέχεια, επιθεωρήστε το αντιγραμμένο κείμενο. Αυτός είναι ένας χρήσιμος αρχικός έλεγχος, όχι μια πλήρης αξιολόγηση: ένα αρχείο μπορεί να έχει κείμενο σε ορισμένες σελίδες και εικόνες σε άλλες. Δοκιμάστε μερικές αντιπροσωπευτικές σελίδες. Εάν είναι διαθέσιμη μια προσβάσιμη πρωτότυπη ή μια έκδοση καθαρού κειμένου, σκεφτείτε να το χρησιμοποιήσετε αντί να επιδιορθώσετε μια κακή σάρωση.

2. Αναγνωρίστε το κείμενο όταν χρειάζεται

   Το OCR προσδιορίζει χαρακτήρες σε μια εικόνα σελίδας και παράγει κείμενο που μπορεί να χρησιμοποιήσει το λογισμικό. Η τεχνική PDF7 του W3C περιγράφει αυτήν τη μετατροπή για σαρωμένα έγγραφα και περιλαμβάνει έλεγχο της αναγνωρισμένης εξόδου. Επιλέξτε μια ροή εργασίας OCR που υποστηρίζει τη γλώσσα και το σενάριο του εγγράφου και επιθεωρήστε το αποτέλεσμα. Εάν η αναγνώριση δεν είναι αξιόπιστη, μπορεί να χρειαστεί πιο καθαρή σάρωση ή άλλη πηγή προτού ο ήχος γίνει χρήσιμος.

3. Συγκρίνετε κρίσιμες λεπτομέρειες με την εικόνα

   Ελέγξτε ονόματα, ημερομηνίες, διαχωριστικά δεκαδικών, μονάδες, μαθηματικά σημάδια και λέξεις που επηρεάζουν το νόημα μιας δήλωσης. Παρακολουθήστε για παρόμοιους χαρακτήρες και λέξεις χωρισμένες σε γραμμές. Διορθώστε ένα λειτουργικό αντίγραφο κειμένου ενώ διατηρείτε το πρωτότυπο για αναφορά. Μην υποθέτετε ότι μια λέξη είναι σωστή απλώς και μόνο επειδή ο αναγνώστης ομιλίας την προφέρει άπταιστα.

4. Δοκιμάστε τη σειρά, όχι μόνο τις λέξεις

   Ακούστε σε μια παράγραφο, ένα όριο στήλης και μια αλλαγή σελίδας. Ελέγξτε εάν μια πλαϊνή γραμμή, μια λεζάντα ή μια επαναλαμβανόμενη κεφαλίδα διακόπτει την εξήγηση. Η τεχνική PDF3 του W3C συζητά τη λογική σειρά ανάγνωσης και τις δυσκολίες των πολύπλοκων διατάξεων PDF. Διατηρήστε τις επικεφαλίδες και τις αναφορές σελίδων πηγής στο αντίγραφο ακρόασης, ακόμα κι αν αφαιρέσετε επαναλαμβανόμενες κεφαλίδες που δεν αποτελούν μέρος του επιχειρήματος.

5. Ακούστε ένα δείγμα και κρατήστε την πηγή κοντά

   Επιλέξτε μια συνηθισμένη σελίδα και μια που περιέχει τα δύσκολα χαρακτηριστικά του εγγράφου, όπως έναν πίνακα ή μια υποσημείωση. Συγκρίνετε τον ήχο τόσο με το εξαγόμενο κείμενο όσο και με την εικόνα της σελίδας. Εάν διορθώσετε το κείμενο, επιβεβαιώστε ότι ο αναγνώστης χρησιμοποιεί την ενημερωμένη έκδοση. Διατηρήστε έναν τρόπο να επιστρέψετε σε αριθμούς και εισαγωγικά αντί να αντιμετωπίζετε τον ήχο ως πλήρη αντικατάσταση του πρωτότυπου.

Τι να ελέγξετε

Ένα επιτυχημένο πάσο OCR δεν εγγυάται σωστή σειρά ανάγνωσης, ακριβείς εξισώσεις ή προσβάσιμο έγγραφο. Διατηρήστε τις απαραίτητες οπτικές πληροφορίες διαθέσιμες σε κατάλληλη μορφή. Αυτή η λίστα ελέγχου είναι ένας εκδοτικός έλεγχος ακρόασης. δεν είναι πιστοποίηση προσβασιμότητας ή ισχυρισμός ότι μια εφαρμογή μπορεί να επιδιορθώσει κάθε σάρωση.

Συχνές ερωτήσεις

Γιατί μια συσκευή ανάγνωσης κειμένου σε ομιλία δεν διαβάζει το σαρωμένο PDF μου;

Οι σελίδες μπορεί να είναι εικόνες χωρίς στρώμα κειμένου που μπορεί να χρησιμοποιηθεί ή το αρχείο μπορεί να μην υποστηρίζεται από αυτόν τον αναγνώστη. Επιθεωρήστε το αρχείο και το εξαγόμενο κείμενο του. Μπορεί να χρειαστεί OCR ή διαφορετική πηγή.

Το OCR καθιστά αυτόματα προσβάσιμο ένα PDF;

Όχι. Η αναγνώριση κειμένου είναι μόνο ένα μέρος της προετοιμασίας ενός εγγράφου. Η σειρά ανάγνωσης, η δομή, η γλώσσα και η επεξεργασία των οπτικών πληροφοριών μπορεί επίσης να χρειάζονται προσοχή.

Πρέπει να ελέγξω το PDF αφού το μετατρέψω σε ήχο;

Ναί. Δοκιμάστε αντιπροσωπευτικές σελίδες και συγκρίνετε σημαντικές λεπτομέρειες με τις πρωτότυπες. Ο ήχος μπορεί να κάνει ένα σφάλμα εύκολο να ακούγεται χωρίς να το αναγνωρίζει εύκολα ως σφάλμα.