Convertire GIF in TXT

Quasi ogni GIF con parole leggibili è una cattura di schermo. I vecchi strumenti di screenshot avevano GIF come default, il software dei forum convertiva gli upload ad essa, wiki e bug tracker la accettavano quando accettavano poco altro, e moltissimi ticket di supporto degli ultimi vent’anni hanno una GIF di un dialogo di errore allegata.

Questa storia è il motivo per cui la conversione vale la pena averla ed è anche il motivo per cui è più difficile che leggere una scansione. Uno screenshot salvato come GIF è passato per una riduzione di palette che uno screenshot salvato come PNG non ha subìto, e il testo è il contenuto più sensibile a questo.

Il riconoscitore legge il file direttamente, e la sua lista documentata di formati copre GIF per file non animati. Uno screenshot, un dialogo catturato, una pagina scannerizzata salvata come GIF: tutti dentro ciò che legge, e nulla su questo sito deve prima decodificarli.

Una GIF animata sta fuori da questo. Piuttosto che indovinare quale frame verrebbe usato o se il file sarebbe stato letto affatto, la strada onesta è un passaggio in più: convertire la GIF in un PNG, che ne prende il primo frame, e passare il PNG attraverso questo strumento. Se il testo che si vuole non è nel primo frame, estrarre quel frame in un editor di immagini prima.

Il testo a schermo è antialias: i bordi di ogni glifo sono disegnati in sfumature intermedie così che i tratti appaiano lisci. Una GIF ha al massimo 256 colori con cui lavorare, e quando uno screenshot viene ridotto a quella palette le sfumature intermedie sono le prime vittime — sostituite dal colore disponibile più vicino, o dithered in uno scacchiere di due.

Il riconoscimento funziona confrontando la forma di ciascun glifo con ciò che ha imparato, e un tratto bordato da pixel alternati è una forma diversa da un tratto bordato da una rampa uniforme. Questa è la ragione principale per cui una GIF di screenshot si legge un po’ peggio dello stesso screenshot come PNG, ed è anche perché ingrandire la GIF prima di passarla non aiuta: ingrandire un bordo dithered produce un bordo dithered più grande.

Ogni altra conversione di immagini su questo sito decodifica l’immagine in pixel grezzi prima e lavora da quelli. Questa deliberatamente non lo fa — il file viene consegnato intatto, perché il riconoscitore ha un suo loader e forzare l’immagine attraverso un canvas appiattirebbe qualsiasi trasparenza in nero.

Su una scansione di carta bianca quel singolo dettaglio è la differenza tra una pagina leggibile e un rettangolo nero, e vale la pena saperlo se la GIF ha uno sfondo trasparente. Poiché il file passa dritto, ciò che il riconoscitore vede è ciò che il file contiene, trasparenza inclusa.

Sono disponibili quattro modelli di lingua: inglese, tedesco, francese e spagnolo. L’impostazione è una scelta anziché qualcosa di rilevato, perché il rilevamento è esso stesso un’ipotesi e una sbagliata sarebbe invisibile.

Una scelta sbagliata non fallisce. Produce testo — parole dall’aspetto plausibile, nella lingua sbagliata, mappate dalle forme sul vocabolario che il modello possiede. È la modalità di fallimento più pericolosa che questo strumento ha, perché tutto dell’output sembra normale. Se il risultato si legge come una versione mal tradotta di ciò che si vede nell’immagine, la lingua è la prima cosa da controllare.

Ciò che torna sono righe di testo con le righe vuote che il riconoscitore ha visto tra i blocchi, e nessun’altra elaborazione. Nulla collassa quegli spazi, unisce righe che sembrano una frase a capo andato, o ricostruisce colonne.

Ognuno di quei passi di riordino è un’ipotesi sul layout. Una poesia, un blocco di indirizzo, un campione di codice e una tabella perdono tutti significato quando le loro interruzioni di riga vengono riorganizzate, e lo strumento non ha modo di capire quale di questi stia guardando. Lasciare le interruzioni in pace significa che uno screenshot di una tabella torna con le colonne unite, che è scomodo e recuperabile — a differenza di un indirizzo ri-avvolto.

Avviare il riconoscitore significa scaricare e compilare diversi megabyte di WebAssembly e poi il modello di lingua. Sono secondi di attesa prima che qualsiasi riconoscimento inizi, ed è il motivo per cui questo è di gran lunga lo strumento più lento del sito.

Succede una volta. Il modello viene messo in cache sulla propria macchina dopo la prima esecuzione — archiviazione locale, nulla di condiviso — quindi una seconda GIF parte quasi immediatamente, e un batch di venti paga il costo di avvio una volta anziché venti. Cambiare lingua ricarica un modello diverso, quindi vale la pena fare tutti i file in inglese insieme.

La scrittura a mano, essenzialmente. Il testo inclinato, il testo su uno sfondo trafficato, il testo reso così piccolo che i tratti sono larghi un pixel, e il testo in un typeface decorativo produrranno tutti errori che vanno da pochi caratteri a nonsenso completo.

L’altro caso che vale la pena nominare è una GIF che è stata ridotta dopo che lo screenshot è stato fatto. Dimezzare la dimensione di uno screenshot distrugge le forme dei glifi in un modo che nessun riconoscitore recupera, ed è estremamente comune perché la gente ridimensionava le immagini per stare nei limiti dei forum. Se esiste una strada per tornare alla cattura originale, usarla — questa conversione non può ripristinare ciò che il ridimensionamento ha rimosso.

Il riconoscitore, il suo core WebAssembly e ogni modello di lingua sono serviti da questo sito anziché recuperati da una CDN pubblica. È stato un lavoro deliberato, perché il default della libreria è recuperare tutti e tre da altrove, e il punto non è l’immagine — l’immagine non sarebbe uscita comunque — ma il fatto della richiesta.

Qualcuno che legge una busta paga, una lettera medica o una conversazione privata da uno screenshot non dovrebbe vederlo annunciato a una terza parte dall’URL della pagina su cui si trova. Il riconoscimento avviene nel browser, non c’è account, e il testo non viene mai memorizzato.

Una buona pratica dopo l'OCR è una passata di correzione sul testo contro l'immagine sorgente, soprattutto per contenuti che verranno citati o inoltrati. Il riconoscitore è onesto sui propri limiti — ha letto le forme e ha fatto la sua migliore ipotesi — ma alcune confusioni sono sistematiche e vale la pena conoscerle: la cifra zero e la lettera O sono intercambiabili in molte font, l'uno stampato e la lettera l minuscola possono essere identici a risoluzioni basse, e i segni di punteggiatura attaccati alle parole vengono talvolta assorbiti o separati in modo arbitrario.

Per contenuti che entrano in un documento formale o in un database, una passata di revisione non è opzionale. Per testo da usare solo come riferimento personale — rileggere il dialogo di un errore dal proprio screenshot, ricordarsi il numero di un volo — il risultato grezzo è di solito sufficiente e l'accuratezza importa meno.