GIF in TXT umwandeln

Ältere Fax-zu-E-Mail-Gateways, wie sie in deutschen Arztpraxen, Kanzleien und Behörden bis heute im Einsatz sind, liefern eingehende Faxe historisch häufig als GIF-Anhang statt als PDF aus — Fax bleibt in Deutschland ein erstaunlich langlebiges Kommunikationsmittel gerade im Gesundheitswesen und in der öffentlichen Verwaltung, und die Ausgabesoftware dahinter stammt oft aus einer Zeit, in der GIF die naheliegende Wahl für ein einfarbiges, kompaktes Dokumentenbild war.

Wer ein solches Fax weiterverarbeiten muss — ein Bescheid, eine Terminbestätigung, ein unterschriebenes Formular — bekommt damit ein Bild statt eines Textes und muss die Buchstaben erst wieder herausholen. Genau dafür ist diese Umwandlung gedacht.

Die Erkennungssoftware liest die Datei direkt, und ihre eigene Dokumentation führt GIF für nicht animierte Dateien als unterstütztes Format. Ein gefaxtes Schreiben, ein Screenshot, ein eingescanntes Formular als GIF gespeichert — all das liegt innerhalb dessen, was sie liest, ohne dass diese Seite es vorher decodieren muss.

Ein animiertes GIF liegt außerhalb davon. Statt zu raten, welches Einzelbild verwendet würde oder ob die Datei überhaupt gelesen wird, ist der ehrliche Weg ein zusätzlicher Schritt: das GIF zunächst in ein PNG umwandeln, was das erste Einzelbild nimmt, und dieses PNG durch dieses Werkzeug laufen lassen.

Text auf einem Bildschirm ist kantengeglättet: Die Ränder jedes Zeichens sind in Zwischentönen gezeichnet, damit die Striche glatt wirken. Ein GIF hat höchstens 256 Farben zur Verfügung, und werden ein Fax oder ein Screenshot auf diese Palette reduziert, sind die Zwischentöne das Erste, was verschwindet — ersetzt durch die nächstliegende verfügbare Farbe oder in ein Schachbrettmuster aus zwei Farben gedithert.

Erkennung funktioniert, indem die Form jedes Zeichens mit dem verglichen wird, was das Modell gelernt hat, und ein Strich mit gezacktem Rand ist eine andere Form als ein Strich mit weichem Übergang. Das ist der Hauptgrund, warum ein GIF etwas schlechter erkannt wird als dasselbe Bild als PNG, und warum Vergrößern vorher nichts bringt: Ein vergrößerter gezackter Rand bleibt ein gezackter Rand.

Jede andere Bildumwandlung auf dieser Seite decodiert das Bild zuerst zu rohen Bildpunkten und arbeitet damit weiter. Diese hier bewusst nicht — die Datei wird unverändert übergeben, weil die Erkennungssoftware ihren eigenen Lader mitbringt und ein Umweg über ein Canvas alles Transparente zu Schwarz verflachen würde.

Bei einem gescannten weißen Blatt ist genau das der Unterschied zwischen einer lesbaren Seite und einem schwarzen Rechteck, und es lohnt sich zu wissen, falls das GIF einen transparenten Hintergrund hat. Weil die Datei unverändert weitergereicht wird, sieht die Erkennung genau das, was in der Datei steht, Transparenz eingeschlossen.

Vier Sprachmodelle stehen zur Verfügung: Deutsch, Englisch, Französisch und Spanisch. Die Einstellung ist eine Wahl und keine automatische Erkennung, denn eine automatische Erkennung wäre selbst nur eine Vermutung, und eine falsche wäre unsichtbar.

Eine falsche Wahl scheitert nicht sichtbar. Sie liefert Text — plausibel aussehende Wörter in der falschen Sprache, von Formen auf das Vokabular des jeweiligen Modells abgebildet. Das ist die gefährlichste Fehlerart dieses Werkzeugs, weil das Ergebnis normal aussieht. Wirkt das Ergebnis wie eine schlecht übersetzte Version dessen, was auf dem Bild steht, ist die Spracheinstellung das Erste, was zu prüfen ist.

Was zurückkommt, sind Textzeilen mit den Leerzeilen, die die Erkennung zwischen Blöcken gesehen hat, und sonst keine Bearbeitung. Nichts fasst diese Leerstellen zusammen, verbindet Zeilen, die wie ein umgebrochener Satz aussehen, oder baut Spalten neu auf.

Jeder dieser Aufräumschritte wäre eine Vermutung über das Layout. Eine Adresszeile im Behördenbrief, ein Aktenzeichen und eine Tabelle verlieren alle an Bedeutung, wenn ihre Zeilenumbrüche neu angeordnet werden, und das Werkzeug hat keine Möglichkeit zu erkennen, welches davon vorliegt. Die Umbrüche unangetastet zu lassen bedeutet, dass eine gefaxte Tabelle mit zusammengelaufenen Spalten zurückkommt — unbequem, aber nachvollziehbar, anders als eine falsch umgebrochene Adresse.

Manche Fax-Gateways liefern ein mehrseitiges Fax nicht als eine Datei, sondern als eine GIF-Anlage je Seite, durchnummeriert im Dateinamen. Ein ganzer Ordner solcher Seiten lässt sich auf einmal ablegen; jede wird für sich erkannt und liefert eine eigene TXT-Datei mit demselben Namen wie das Ausgangsbild, sodass die Reihenfolge der Seiten erhalten bleibt.

Wer den ganzen Text am Stück braucht, fügt die einzelnen TXT-Dateien anschließend in der nummerierten Reihenfolge zusammen — das ist ein Schritt außerhalb dieses Werkzeugs, weil hier jede Seite für sich als eigenständiges Bild behandelt wird und keine Verbindung zwischen den Dateien im Dateinamen selbst hergestellt wird.

Die Erkennung zu starten bedeutet, mehrere Megabyte WebAssembly herunterzuladen und zu übersetzen, dann das Sprachmodell zu laden. Das kostet ein paar Sekunden Wartezeit, bevor überhaupt etwas erkannt wird, und macht dieses Werkzeug mit deutlichem Abstand zum langsamsten auf dieser Seite.

Das passiert nur einmal. Das Modell wird danach auf dem eigenen Gerät zwischengespeichert — lokal, nicht geteilt —, sodass ein zweites Fax fast sofort startet und ein Stapel von zwanzig Behördenschreiben die Startkosten nur einmal statt zwanzigmal trägt.

Handschrift im Wesentlichen. Schräg stehender Text, Text vor einem unruhigen Hintergrund, sehr kleine Schrift, bei der die Striche nur einen Bildpunkt breit sind, und Zierschriften erzeugen Fehler, die von einzelnen Buchstaben bis zu vollständigem Unsinn reichen.

Der andere häufige Fall ist ein GIF, das nach dem Scan noch verkleinert wurde, etwa weil ein altes Faxprotokoll eine bestimmte Auflösung erzwungen hat. Das Halbieren der Größe zerstört die Zeichenformen auf eine Art, die keine Erkennung wieder ausgleicht — gibt es einen Weg zurück zum ursprünglichen Scan mit höherer Auflösung, ist er dieser Umwandlung immer vorzuziehen.

Was diese Seite liefert, ist eine bestmögliche Vermutung der Erkennungssoftware, keine geprüfte Abschrift. Für ein Aktenzeichen, eine Frist oder einen Geldbetrag aus einem Bescheid reicht das nicht als alleinige Grundlage — jede Zahl und jedes Datum gehört gegen das ursprüngliche Faxbild gegenlesen, bevor damit weitergearbeitet wird, gerade weil ein Erkennungsfehler bei einer einzelnen Ziffer optisch unauffällig bleibt.

Für eine Fristenkontrolle oder eine Zahlung auf Grundlage des erkannten Texts allein zu handeln, ist deshalb der eine Anwendungsfall, für den dieses Werkzeug ausdrücklich nicht gedacht ist. Es eignet sich, um ein Fax durchsuchbar und zitierbar zu machen — die verbindliche Fassung bleibt das Bild selbst.

Die Erkennungssoftware, ihr WebAssembly-Kern und jedes Sprachmodell werden von dieser Website ausgeliefert statt von einem öffentlichen Netzwerk nachgeladen. Das war bewusste Arbeit, weil die Standardeinstellung der zugrunde liegenden Bibliothek genau das Gegenteil vorsieht — und der Punkt ist nicht das Bild selbst, das ohnehin nie das Gerät verlassen hätte, sondern die Tatsache der Anfrage.

Wer einen Befund, einen Bußgeldbescheid oder eine vertrauliche Mitteilung aus einem Fax herausliest, sollte das nicht durch die Adresse einer fremden Seite ankündigen müssen. Die Erkennung läuft im eigenen Browser, es gibt kein Konto, und der Text wird nirgendwo gespeichert.