Convertir GIF en TXT

Presque chaque GIF contenant des mots lisibles est une capture d’écran. Les anciens outils de capture se mettaient par défaut sur le GIF, les logiciels de forum convertissaient les téléversements vers ce format, les wikis et les gestionnaires de tickets l’acceptaient quand ils n’acceptaient pas grand-chose d’autre, et beaucoup de tickets d’assistance des vingt dernières années ont une capture d’une boîte de dialogue d’erreur en pièce jointe.

Cette histoire est la raison pour laquelle cette conversion vaut la peine, et aussi pourquoi elle est plus difficile que de lire une numérisation. Une capture enregistrée en GIF est passée par une réduction de palette qu’une capture enregistrée en PNG n’a pas subie, et le texte est le contenu qui y est le plus sensible.

Le reconnaisseur lit le fichier directement, et sa propre liste de formats documentés couvre le GIF pour les fichiers non animés. Une capture, une boîte de dialogue capturée, une page scannée enregistrée en GIF : tout cela rentre dans ce qu’il lit, et rien sur ce site n’a à les décoder d’abord.

Un GIF animé est hors de ce périmètre. Plutôt que de deviner quelle frame serait utilisée ni même si le fichier serait lu, la voie honnête est une étape supplémentaire : convertissez le GIF en PNG, ce qui prend la première frame, et passez ce PNG dans cet outil. Si le texte que vous voulez n’est pas sur la première frame, extrayez cette frame dans un éditeur d’images d’abord.

Le texte à l’écran est antialiasé : les bords de chaque glyphe sont dessinés dans des nuances intermédiaires pour que les jambages paraissent lisses. Un GIF a au plus 256 couleurs à disposition, et quand une capture est réduite à cette palette, les nuances intermédiaires sont les premières victimes — remplacées par la couleur disponible la plus proche, ou tramées en damier entre deux.

La reconnaissance compare la forme de chaque glyphe à ce qu’elle a appris, et un jambage bordé de pixels alternés est une forme différente d’un jambage bordé d’une rampe lisse. C’est la raison principale pour laquelle une capture en GIF se lit un peu moins bien que la même capture en PNG, et c’est aussi pourquoi agrandir le GIF avant de le passer dans l’outil n’aide pas : agrandir un bord tramé produit un bord tramé plus grand.

Toutes les autres conversions d’images sur ce site décodent l’image en pixels bruts d’abord et travaillent à partir de là. Celle-ci délibérément ne le fait pas — le fichier est transmis tel quel, parce que le reconnaisseur a son propre chargeur et que forcer l’image à passer par un canvas aplatirait toute transparence en noir.

Sur une numérisation de papier blanc, ce détail est la différence entre une page lisible et un rectangle noir, et cela vaut la peine d’être su si votre GIF a un fond transparent. Parce que le fichier est passé directement, ce que le reconnaisseur voit est ce que le fichier contient, transparence comprise.

Quatre modèles de langue sont disponibles : anglais, allemand, français et espagnol. Le réglage est un choix plutôt qu’une détection, parce que la détection est elle-même une supposition et qu’une mauvaise serait invisible.

Un mauvais choix n’échoue pas. Il produit du texte — des mots plausibles, dans la mauvaise langue, calés à partir des formes sur le vocabulaire que le modèle détient. C’est le mode d’échec le plus dangereux de cet outil, parce que tout dans la sortie a l’air normal. Si le résultat ressemble à une version mal traduite de ce que vous voyez sur l’image, le réglage de langue est la première chose à vérifier.

Ce qui revient est des lignes de texte avec les lignes vides que le reconnaisseur a vues entre les blocs, et aucun autre traitement. Rien ne compresse ces vides, ne joint pas des lignes qui ressemblent à une phrase enroulée, ni ne reconstruit des colonnes.

Chacune de ces étapes de nettoyage est une supposition sur la mise en page. Un poème, un bloc d’adresse, un échantillon de code et un tableau perdent tous leur sens quand leurs sauts de ligne sont réarrangés, et l’outil n’a aucun moyen de dire lequel de ces cas il regarde. Laisser les sauts tranquilles veut dire qu’une capture d’un tableau revient avec ses colonnes fusionnées, ce qui est gênant et récupérable — contrairement à une adresse réenroulée.

Démarrer le reconnaisseur veut dire télécharger et compiler plusieurs mégaoctets de WebAssembly, puis le modèle de langue. Ce sont quelques secondes d’attente avant que la reconnaissance ne commence, et c’est la raison pour laquelle c’est l’outil le plus lent du site de loin.

Cela arrive une fois. Le modèle est mis en cache sur votre propre machine après la première exécution — stockage local, rien de partagé — donc un second GIF démarre presque immédiatement, et un lot de vingt paie le coût de démarrage une fois plutôt que vingt fois. Changer de langue recharge un modèle différent, donc cela vaut la peine de faire tous les fichiers français ensemble.

L’écriture manuscrite, essentiellement. Le texte en biais, le texte sur un fond chargé, le texte rendu si petit que les jambages font un pixel de large, et le texte dans une police décorative produiront tous des erreurs allant de quelques caractères à un non-sens complet.

L’autre cas qui mérite d’être nommé est un GIF qui a été réduit après que la capture a été prise. Diviser la taille d’une capture par deux détruit les formes de glyphe d’une façon qu’aucun reconnaisseur ne récupère, et c’est extrêmement courant parce que les gens redimensionnaient les images pour respecter les limites de forum. Si vous avez un moyen de revenir à la capture d’origine, utilisez-le — cette conversion ne peut pas restaurer ce que le redimensionnement a enlevé.

Le reconnaisseur, son cœur WebAssembly et tous les modèles de langue sont servis depuis ce site plutôt que récupérés depuis un CDN public. Cela a demandé un travail délibéré, parce que la valeur par défaut de la bibliothèque est de récupérer les trois depuis ailleurs, et l’enjeu n’est pas l’image — l’image n’aurait de toute façon rien quitté — mais le fait de la requête. Une requête vers un domaine tiers suffit à révéler qu’une page sur ce sujet a été consultée, à qui appartient l’adresse IP et à quel moment.

Quelqu’un qui lit une fiche de paie, une lettre médicale ou une conversation privée dans une capture ne devrait pas voir cette activité annoncée à un tiers par l’URL de la page sur laquelle il se trouve. La reconnaissance se fait dans votre navigateur, il n’y a pas de compte, et le texte n’est jamais stocké. Vous pouvez confirmer en ouvrant l’onglet réseau des outils de développement, en filtrant sur les requêtes sortantes pendant une conversion, et en constatant qu’aucune ne quitte le domaine du site.