OCR adalah singkatan dari pengenalan karakter optik, yang merupakan nama kaku untuk ide sederhana: perangkat lunak yang melihat gambar teks — foto, pemindaian, halaman PDF — dan menentukan huruf dan angka apa yang ada di dalamnya.

Itu penting karena foto kuwitansi, bagi komputer, hanyalah kisi-kisi titik berwarna. Komputer tidak dapat mencarinya, menyalinnya, atau membaca totalnya. Jalankan OCR pada foto itu dan titik menjadi teks sebenarnya: "Blue Bottle Coffee… $14.20…" Sekarang komputer dapat menemukannya saat Anda mencari, sama seperti cara mencari email.

Itulah konsep keseluruhannya. Gambar kata masuk, kata yang dapat dicari keluar. Semua hal lainnya tentang OCR adalah detail — termasuk detail tentang mengapa, bahkan dengan OCR di mana-mana, Anda masih tidak dapat menemukan garansi mesin pencuci piring Anda. Kami akan sampai ke sana.

Anda sudah menggunakan OCR setiap hari

OCR terdengar seperti perangkat lunak perusahaan dari 2003, tetapi Anda mungkin menggunakannya pagi ini tanpa menyadarinya:

  • Pencarian Foto di iPhone Anda. Apple menyebut versinya Live Text. Ponsel Anda dengan diam membaca teks dalam setiap foto yang Anda ambil, itulah mengapa Anda dapat mencari foto Anda untuk kata-kata pada papan atau kuwitansi dan benar-benar mendapatkan hasil. Anda juga dapat menekan foto apa pun dan menyalin teks langsung darinya.
  • Aplikasi pemindai. Saat Anda memindai dokumen dengan iPhone Anda, aplikasi mengambil gambar — dan kemudian OCR adalah yang membuat PDF yang dihasilkan dapat dicari bukan hanya foto berbusana.
  • Bank Anda. Setor cek dengan memotretnya, dan OCR membaca jumlah dan nomor akun.
  • Surat. Layanan pos telah menggunakan OCR untuk membaca alamat dan mengarahkan amplop selama beberapa dekade. Ini adalah teknologi lama yang telah secara perlahan menjadi baik.

Jadi saat aplikasi pemindai mengiklankan "PDF yang dapat dicari," itu adalah OCR. Bukan merek atau produk — ini adalah nama umum untuk mengajarkan komputer membaca.

Cara kerjanya, secara kasar

Anda tidak perlu pengetahuan teknik, tetapi versi satu paragraf membantu Anda memprediksi kapan itu akan gagal.

Perangkat lunak OCR mencari bentuk karakter: kelompok piksel gelap ini melengkung seperti "S," yang ini memiliki palang melintang dari "t." OCR modern sangat baik untuk teks cetak yang bersih — pencahayaan bagus, halaman rata, font biasa. Kemudian menggabungkan karakter menjadi kata dan kata menjadi baris, dan memberikan Anda hasilnya sebagai teks biasa.

Perhatikan apa yang terjadi: ia mengenali karakter. Bukan kuwitansi, bukan kontrak, bukan "angka ini adalah total dan yang itu adalah tanggal." Karakter. Ingat itu, karena itulah celah tempat semuanya jatuh.

Di mana OCR jujur berjuang

Tiga batasan muncul berulang kali dalam kehidupan nyata:

Tulisan tangan. Teks cetak adalah masalah yang terpecahkan; tulisan tangan Anda tidak. Huruf blok yang rapi biasanya bertahan. Tulisan kursif, catatan margin yang sempit, dan apa pun yang ditulis dokter keluar berantakan atau tidak sama sekali. Jika barang penting Anda mencakup halaman tulisan tangan, OCR biasa akan mengecewakan Anda.

Tata letak. OCR membaca dari kiri ke kanan, atas ke bawah. Dokumen nyata tidak bekerja sama: kuwitansi meletakkan harga di kolom kanan yang tidak rata, formulir menyebarkan label dan kotak di mana-mana, tabel berubah menjadi sup kata. Karakter mungkin semua benar sementara urutannya tidak masuk akal — "Total 3 $14.20 Qty Oat Latte."

Konteks. Ini yang besar. OCR dapat memberitahu Anda halaman berisi karakter "03/15/2027." Itu tidak dapat memberitahu Anda apakah itu tanggal kedaluwarsa, tanggal pembelian, atau hari formulir dicetak. Itu tahu apa hurufnya, bukan apa artinya.

Mengapa teks yang dapat dicari masih bukan dokumen yang dapat ditemukan

Berikut adalah konsekuensi sehari-hari dari batasan terakhir itu. Misalkan OCR telah melakukan pekerjaannya dengan sempurna dan setiap pemindaian di ponsel Anda dapat dicari sepenuhnya. Anda membutuhkan garansi untuk mesin pencuci piring Anda. Apa yang Anda ketik?

"Garansi" — dan dapatkan empat puluh hasil, karena setiap kuwitansi menyebutkan garansi. "Mesin pencuci piring" — tidak ada, karena kuwitansi mengatakan "BOSCH SHEM63W55N." Teksnya ada; maknanya tidak. Pencarian berdasarkan kata yang tepat hanya berfungsi saat Anda dapat mengingat kata yang tepat, dan dokumen adalah persis hal yang Anda coba tidak simpan di kepala Anda.

OCR memberikan Anda Pemahaman memberikan Anda
Kuwitansi Karakter di atasnya "Kuwitansi, dari Bosch, $649, Maret 2025"
Pemindaian paspor Nama dan angka sebagai teks "Paspor Anda — kedaluwarsa 03/15/2027"
Pertanyaan Anda Kecocokan untuk kata yang tepat Jawaban sebenarnya, dengan dokumen terlampir

Langkah melampaui OCR: mengetahui apa itu dokumen

Langkah berikutnya adalah perangkat lunak yang tidak berhenti membaca karakter tetapi mengetahui apa dokumennya: kuwitansi, dari siapa, berapa banyak, kedaluwarsa kapan. Setelah itu diketahui, "di mana garansi mesin pencuci piring?" menjadi pertanyaan yang dapat dijawab daripada permainan menebak tentang kata-kata mana yang muncul di halaman.

Itulah bagian yang dibangun Paperlock. Anda memindai atau mengimpor dokumen ke dalam vault yang dilindungi Face ID di iPhone Anda, dan ia membaca semuanya — termasuk tulisan tangan — dan memahaminya: jenisnya, pengirimnya, tanggalnya, jumlahnya. Tidak ada folder atau penamaan; itu mengarsipkan sesuatu sendiri. Kemudian Anda bertanya dalam bahasa Inggris biasa — "kapan paspor saya kedaluwarsa?", "berapa banyak yang saya habiskan di Blue Bottle?" — dan dapatkan jawaban dengan dokumen sumber terlampir. Jika jawaban tidak ada di vault Anda, ia mengatakan demikian daripada menebak. Apa pun dengan tanggal kedaluwarsa mendapatkan pengingat otomatis 30 hari dan 7 hari keluar. Anda dapat melihat bagaimana seluruh hal ini bekerja di sini; itu akan segera datang ke App Store.

Satu caveat yang layak mendapat kalimatnya sendiri: kapan pun aplikasi membaca dokumen Anda — OCR atau apa pun yang lebih pintar — layak mengetahui di mana pembacaan itu terjadi dan apa yang disimpan. Kami menulis panduan jujur tentang apakah aplikasi pemindai aman dan apa yang harus diperiksa sebelum mempercayai satu.

Versi singkat

OCR mengubah gambar teks menjadi teks yang dapat dicari, dan itu diam-diam ada di mana-mana — gulungan kamera Anda, aplikasi pemindai Anda, bank Anda. Ini benar-benar berguna dan benar-benar terbatas: goyah pada tulisan tangan, bingung dengan tata letak, dan buta terhadap makna. Ini memberikan Anda hurufnya; itu tidak dapat memberitahu Anda garansi mesin pencuci piring dari kuwitansi makan malam.

Untuk menemukan hal-hal, kesenjangan terakhir itu adalah yang penting — dan menutupnya adalah apa yang langkah setelah OCR itu.