Convertir HEIF en TXT

La situation pour laquelle cette page est écrite est une situation de bureau. Les images sont déjà sur l’ordinateur — copiées d’un téléphone, exportées d’une galerie, envoyées par un collègue, tirées d’une sauvegarde — et ce sont des documents plutôt que des paysages : des factures, des relevés de compteur, des notes manuscrites, une page de contrat, quarante pages d’un manuel que quelqu’un a photographié plutôt que scanné.

Sur un téléphone, le système d’exploitation propose souvent de sélectionner le texte dans une image, et c’est plus rapide que n’importe quel site web. Sur un bureau, avec des fichiers dans ce format, il n’y a généralement rien du tout : le système n’affiche même pas une vignette. La reconnaissance dans un onglet de navigateur est l’une des rares voies qui ne commencent pas par installer quelque chose.

Le moteur de reconnaissance lit le fichier qu’on lui donne sans rien décoder d’abord. C’est délibéré — pousser une image à travers un canvas à l’entrée aplatirait la transparence en noir, et sur une numérisation de papier blanc c’est la différence entre lisible et illisible — mais cela signifie que les seuls lecteurs d’image en jeu sont les six compilés dans le moteur : BMP, JPEG, PNG, PBM, WebP et GIF non animé. HEIF n’en fait pas partie, et il n’existe aucun lecteur HEIF nulle part dans le cœur de reconnaissance servi par ce site.

Le travail est donc en deux conversions plutôt qu’une. Convertissez le HEIF en PNG sur ce site, puis extrayez le texte du PNG. Le décodeur qui prend en charge la première étape est un logiciel distinct du reconnaisseur et il sait lire HEIF, ce qui explique que HEIF vers PNG et HEIF vers JPG fonctionnent sur leurs propres pages. PNG est celui qu’il faut choisir pour le fichier intermédiaire : la photo a déjà été compressée une fois sur l’appareil qui l’a prise, et un deuxième passage avec perte retombe précisément sur les traits fins que le reconnaisseur essaie d’apparier.

JPG produirait un fichier plus petit, au prix d’une reconnaissance moins fiable sur les petits caractères et les fontes fines.

Toute autre paire du site marche ou échoue bruyamment. Une image devient une autre image, et si l’encodeur n’y arrive pas vous obtenez une erreur. La reconnaissance est différente par nature : elle renvoie du texte qui ressemble exactement à du texte, qu’il dise ou non ce que disait la page, et c’est la raison pour laquelle le résultat n’est jamais un livrable en soi mais toujours un brouillon à vérifier.

La sortie est donc une lecture, pas une transcription, et elle doit être vérifiée contre l’original. Ce n’est pas un avertissement à sauter — c’est le fait opérationnel le plus important de cette paire, et il décide de la façon dont vous devez utiliser le résultat : jamais sans le confronter au document source, surtout quand des chiffres sont en jeu, parce qu’une erreur de lecture n’a aucune signature visible qui la distingue d’une lecture juste.

Quatre modèles sont disponibles : anglais, allemand, français et espagnol. Chacun est un modèle entraîné pour les formes de lettres et le vocabulaire de cette langue, et le reconnaisseur travaille strictement dans celui que vous choisissez. Charger un modèle est coûteux en temps et en mémoire, et c’est la raison pour laquelle le réglage se fait avant le dépôt plutôt qu’après chaque fichier.

Se tromper ne produit pas d’erreur, ce qui justifie une section à part. Cela produit la meilleure correspondance disponible dans un jeu qui ne contient pas la bonne réponse, donc le texte est fluide, plausible et faux. Si un résultat semble étrange d’une façon que vous ne pouvez pas expliquer, c’est la première chose à vérifier et c’est généralement la cause — et c’est aussi la raison pour laquelle le reconnaisseur est décrit dans le code comme « celui qui peut se tromper sur sa réponse plutôt que d’être imparfait ».

La reconnaissance est de loin la chose la plus lente du site, et l’essentiel de l’attente sur le premier fichier n’est pas de la lecture — c’est le téléchargement et la compilation de plusieurs mégaoctets de WebAssembly puis d’un modèle de langue.

Ce coût est payé une fois par langue et conservé pour le reste de la session, et le modèle est mis en cache dans votre navigateur par la suite, donc un document demain ne le retélécharge pas. La conséquence pratique est contre-intuitive : déposer un dossier de vingt pages est bien plus efficace par page qu’une seule page isolée, donc regroupez le travail plutôt que de le faire un fichier à la fois.

La résolution est rarement le problème avec une photo de téléphone — douze mégapixels donnent largement de quoi placer plusieurs pixels par caractère même quand la page ne remplit qu’une partie du cadre. La géométrie et la lumière sont les problèmes, et ce sont des problèmes qui se règlent avant de prendre la photo, pas après.

Photographiez la page à plat plutôt que recroquevillée, bien droit et non depuis une chaise, et la lumière venant de côté pour que votre propre ombre ne traverse pas le texte. Ces trois choses changent le résultat plus que n’importe quel réglage de cette page, et une page prise en biais produit des erreurs qu’aucune résolution ne compense parce que le reconnaisseur essaie d’interpréter des caractères qui ne sont plus droits.

La sortie est du texte brut : les mots, dans l’ordre de lecture, avec des sauts de ligne. Il n’y a pas de colonnes, pas de cellules de tableau, pas de titres et pas de positions sur la page, parce qu’un fichier texte n’a nulle part où les mettre. Aucune mise en forme n’est tentée, et la mise en forme tentée par d’autres outils finit par coûter plus qu’elle ne rend, parce qu’elle produit des alignements faux que le lecteur doit défaire.

Une lettre ou un reçu survit bien. Une page en deux colonnes s’entrelace, parce que le reconnaisseur lit tout ce qui ressemble à une ligne. Un tableau de chiffres s’effondre en une suite de nombres sans colonnes, et un formulaire finit avec étiquettes et valeurs adjacentes d’une manière difficile à démêler. Pour ces cas, photographier une section à la fois donne quelque chose d’utilisable, parce qu’une page simple est aussi une page que le reconnaisseur lit dans l’ordre.

La prose pardonne. Un caractère mal lu dans une phrase est généralement évident, et un lecteur le répare sans s’en apercevoir. Les chiffres n’ont pas cette redondance : un chiffre faux dans un montant, une référence de compte, un relevé de compteur ou une date ressemble exactement à un juste, et il n’y a rien dans la phrase pour le contredire.

Puisque les documents que les gens photographient sont en immense majorité du genre numérique — factures, reçus, relevés, lectures, numéros de référence sur des lettres — l’habitude utile est de traiter le texte comme un brouillon pour les mots et de vérifier chaque chiffre contre la photo avant qu’il aille où que ce soit. Le coût de cette vérification est négligeable par rapport à celui d’une erreur silencieuse qui finit dans un formulaire ou un rapport.

L’image n’est jamais téléversée. Et, ce qui a demandé un travail délibéré, rien d’autre non plus : la bibliothèque de reconnaissance tire son script worker, son cœur WebAssembly et son modèle de langue d’un CDN tiers à moins que chacun de ces chemins ne soit surchargé, et les trois sont servis depuis ce site à la place.

La distinction compte plus qu’il n’y paraît au premier abord. L’image ne serait pas partie de toute façon, mais quelqu’un qui lit un bulletin de paie ne devrait pas voir le fait annoncé à un réseau de contenu avec son adresse et la page où il se trouve. Un test casse la compilation si l’une de ces URLs tierces réapparaît jamais, et c’est un test qui tourne à chaque modification, pas une promesse qu’on espère tenue.

Le fichier texte est un dérivé et un dérivé faillible, donc le HEIF d’origine reste la pièce. Il est aussi irremplaçable ici : ce site sait lire ce format et ne sait pas l’écrire, parce que le décodeur est sous une licence qu’un site statique peut respecter et qu’aucun encodeur ne l’est.

Si le document compte, gardez les deux, et pensez à convertir aussi l’image en PDF pour avoir une page lisible à côté des mots cherchables. Cette combinaison — une image que l’on peut montrer à quelqu’un et un texte que l’on peut chercher — est ce que la plupart des gens cherchent réellement quand ils commencent ce travail.