Convertire HEIC in TXT

Si è fotografato un documento con un iPhone e ora si vogliono le parole. È un lavoro di riconoscimento ordinario. Ciò che rende diversa questa coppia è che su una macchina Windows spesso non si può nemmeno vedere l’immagine: HEIC contiene HEVC, coperto da pool di brevetti che molti produttori hanno declinato di licenziare, quindi Windows chiede un codec a pagamento e diversi browser non mostrano nulla del tutto.

Quindi il consiglio abituale — convertire prima l’immagine, poi leggere il testo — ha bisogno di due passi e di un decoder funzionante per il primo di essi. Entrambi vivono in questa scheda del browser, ed è ciò che aggira la questione del codec: convertire l’HEIC in PNG qui decodifica il fotogramma HEVC in WebAssembly, e il riconoscimento poi gira sul PNG.

Il motore di riconoscimento riceve il file esattamente come lo si è rilasciato, senza nulla che lo decodifichi nel frattempo — deliberatamente, dato che spingere un’immagine attraverso una canvas prima appiattirebbe la trasparenza in nero. Restano solo i lettori compilati nel motore stesso, e sono sei: BMP, JPEG, PNG, PBM, WebP e GIF non animato. HEIC non è fra essi, e non c’è alcun lettore HEIF da nessuna parte nel core di riconoscimento che questo sito serve.

Quindi convertire l’HEIC in PNG su questo sito, poi leggere il testo da quel PNG. Il passo di decodifica è un software diverso dal riconoscitore — lo stesso che sta dietro HEIC in PNG e HEIC in JPG — e gestisce i fermi HEVC. Scegliere PNG anziché JPG per il file di mezzo: la fotografia è già passata per una compressione lossy sul telefono, e una seconda ammorbidisce esattamente i tratti sottili che il riconoscitore deve far combaciare. Cancellare il PNG una volta che il testo è fuori.

Sarebbe disonesto non dirlo. Se la fotografia è sull’iPhone e si vuole un paragrafo, tenere il dito sul testo e copiarlo è più veloce di qualunque cosa su un sito web, ed è integrato nel telefono.

Questa pagina è per le altre situazioni: le immagini sono già su un computer, sono quaranta, si vuole l’intera pagina come file anziché una selezione, o si sta lavorando su una macchina che non è la propria. Sono abbastanza comuni da valere una pagina, e Live Text non aiuta con nessuna di esse.

La risoluzione aiuta: dodici megapixel o più significa un sacco di pixel per carattere anche quando la pagina riempie solo una parte dell’inquadratura. L’obiettivo e l’elaborazione aiutano anch’essi — una fotografia moderna di iPhone di una pagina è più nitida e uniformemente esposta della maggior parte delle scansioni da piano di quindici anni fa.

Ciò che ancora governa il risultato è come è stata scattata la foto. Tenere la pagina piatta, scattare dritti dall’alto anziché da una sedia, e fare arrivare la luce dal lato in modo che la propria ombra non sia sul testo. Quelle tre cose contano più di qualsiasi impostazione di questa pagina.

Il riconoscimento fa combaciare forme con lettere. Non capisce il documento, e produce testo fluente e completo che lo sia stato o meno letto correttamente in ogni sua parte.

È l’avvertenza importante, e si applica soprattutto alle cose che le persone fotografano col telefono: importi su una ricevuta, un numero di riferimento su una lettera, un dosaggio su un’etichetta, una data su un modulo. Leggere l’output contro l’originale, e leggere i numeri due volte — una cifra sbagliata appare esattamente come una giusta.

Il riconoscitore lavora entro le forme delle lettere e il vocabolario di una lingua. Data quella sbagliata non segnala un errore; restituisce la miglior corrispondenza disponibile in un insieme che non contiene la risposta corretta, e si legge come nonsense fiducioso.

Colpisce più forte esattamente sui documenti che le persone fotografano viaggiando — un menu, un modulo, un avviso, un biglietto — dove la lingua non è quella predefinita della macchina. Se un risultato sembra strano in un modo di cui non ci si rende conto, controllare prima questo.

L’output è testo semplice senza layout: niente colonne, niente struttura di tabella, niente posizioni sulla pagina. Una lettera o una ricevuta torna in un ordine leggibile. Una pagina a due colonne può interlacciarsi, perché il riconoscitore legge attraverso linee che sembrano linee.

I moduli sono il caso più difficile — etichette e valori finiscono adiacenti in modi difficili da districare, e una tabella di cifre diventa una corsa di numeri senza colonne. Per quelli, fotografare una sezione alla volta dà un risultato che si può effettivamente usare.

Il telefono scrive l’orientamento come un tag EXIF, non come una rotazione dei pixel stessi. La maggior parte dei visualizzatori onora quel tag e mostra l’immagine nel verso giusto; il motore di riconoscimento qui legge i pixel direttamente e non onora il tag, quindi una foto scattata con il telefono in verticale arriva come un rettangolo orizzontale e il riconoscimento restituisce righe ordinate male o del tutto illeggibili.

Il PNG prodotto dalla prima conversione è già nel verso giusto, perché la decodifica HEIC onora il tag di orientamento. Se la pagina fotografata è ancora di traverso nell’output di riconoscimento, il problema è la foto stessa — ruotarla nell’app Foto e rifare il PNG prima del secondo passaggio. Ci vuole un minuto e fa una differenza enorme, perché il riconoscimento presume linee orizzontali e scarta tutto ciò che non lo è.

Il file di uscita è un TXT con testo semplice UTF-8 e un paio di righe vuote fra i blocchi di paragrafo dove il riconoscimento era sicuro che ve ne fossero. Non c’è markdown, non c’è grassetto, non c’è posizione del cursore. È pensato per essere incollato in un editor, in un campo di ricerca o in un’email, non per essere stampato o impaginato.

Le pagine lunghe impiegano qualche secondo, le brevi quasi istantaneamente. Un rullino di trenta ricevute da garage si legge in un minuto abbondante, e per moduli semplici il tasso di errore è trascurabile. Per una scansione di un libro antico con caratteri piccoli e note a margine, le probabilità scendono rapidamente e vale la pena aspettarsi di dover correggere il risultato a mano.

Entrambi i passi avvengono dentro la scheda del browser sul proprio processore: l’HEIC viene decodificato lì per fare il PNG, e il testo viene letto lì. Nessun upload, nessuna copia lato server, nessun account, nessuna dotazione giornaliera — e un’intera cartella di fotografie converte veloce quanto la propria macchina può leggerle.

Per questa coppia in particolare è il punto sostanziale, non una caratteristica. Una fotografia di una ricetta medica, di una busta paga o di una lettera firmata è esattamente il file che non si vorrebbe trovarsi sul server di qualcun altro, e la garanzia più semplice è che non ci sia mai andato.