Фото в текст
Загрузите изображение и скажите, что с ним сделать: прочитать текст, описать словами или перечислить, что на нём есть.
Как это работает
Изображение читает модель, обученная понимать картинки, а не только текст. Она видит снимок целиком: буквы, предметы, людей, обстановку. Поэтому от того, что вы попросите, зависит и ответ — одна и та же фотография документа может превратиться в переписанный текст, в описание «стол, бумаги, чашка кофе» или в ответ на вопрос «какого числа подписан договор».
Перевести фото в текст
Самый частый случай: сфотографировали страницу книги, договор, конспект или объявление, и нужен текст, который можно править. Текст переписывается как есть, включая ошибки автора: исправлять их без спроса нельзя, вдруг это цитата или юридический документ. Строки и абзацы сохраняются, чтобы результат можно было сверить с оригиналом глазами. Таблицы переносятся построчно — сложную вёрстку восстановить по фотографии нельзя, и обещать это нечестно.
Описание изображения словами
Вторая работа отличается принципиально: здесь не переписывают буквы, а рассказывают, что происходит. Описание начинается с главного — кто в кадре и что делает, — а дальше идут подробности: обстановка, цвета, настроение, время суток. Это нужно для подписей к фотографиям в соцсетях, для альтернативного текста на сайте и для людей с нарушением зрения, которым описание читает программа.
Найти объекты на изображении
Третья работа — перечислить, что есть на снимке, без рассказа. Ответ приходит списком: «автомобиль, светофор, пешеход, дорожный знак». Это удобно, когда нужно быстро разобрать много фотографий: описать товары на складе, проверить, попало ли в кадр лишнее, собрать метки для каталога. Полноту перечня стоит проверять: мелкие и частично закрытые предметы модель замечает не всегда.
Вопрос по изображению
Иногда нужно не описание, а один ответ: сколько человек на фотографии, какого цвета крыша, есть ли на схеме подпись. Выберите соответствующий пункт и задайте вопрос в уточнениях. Так короче и точнее, чем читать длинное описание в поисках одной детали. Работает и с несколькими снимками сразу: «на каком из них товар без повреждений».
Какие снимки читаются лучше
Для чтения текста важны три вещи: резкость, свет и угол. Смазанный кадр не спасёт никакая модель, тёмный даёт пропуски, а снятый сбоку лист искажает буквы по краям. Рукописный текст читается хуже печатного, и чем размашистее почерк, тем ниже точность. Скриншот всегда лучше фотографии экрана: на снимке монитора появляются муар и блики, которых в исходнике нет.
Сколько картинок можно загрузить
До четырёх за раз. Несколько снимков имеет смысл давать, когда они связаны: страницы одного документа, товар с разных сторон, до и после. Крупные фотографии ужимаются перед отправкой — исходник с телефона весит несколько мегабайт, и передавать их целиком значит заставлять вас ждать на мобильной связи. На качество чтения это не влияет: модели всё равно приводят вход к своему размеру.
Что происходит с вашими фотографиями
Снимок остаётся в вашем браузере и уходит только в запрос к модели. Мы не выкладываем его в открытый доступ и не заводим хранилища чужих фотографий. Отсюда разумная осторожность: не загружайте документы с персональными данными, которые не хотели бы показывать посторонним, — это общее правило для любых сетевых сервисов, а не особенность нашего.
Чего ждать не стоит
Модель не узнаёт конкретных людей по лицу и не должна этого делать. Не определяет место съёмки, если на снимке нет узнаваемых примет. Не ставит диагнозов по медицинским снимкам и не оценивает подлинность документов. И ошибается в мелких деталях: числа с плохого фото, редкие фамилии и рукописные сокращения стоит перепроверять глазами, особенно если от них что-то зависит.
Частые вопросы
Нужна ли регистрация
Нет, первые запросы бесплатны и делаются без входа.
Читает ли рукописный текст
Да, но хуже печатного: разборчивый почерк переписывается почти без ошибок, размашистый — с пропусками. Результат стоит сверить с оригиналом.
Какие форматы принимаются
Обычные форматы изображений: JPEG, PNG, WebP. Крупные снимки ужимаются перед отправкой, на качество чтения это не влияет.
Можно ли загрузить несколько фотографий
До четырёх за раз. Это удобно для страниц одного документа или товара с разных сторон: можно попросить сравнить их между собой.
Сохраняется ли форматирование текста
Строки и абзацы сохраняются, таблицы переносятся построчно. Сложную вёрстку по фотографии восстановить нельзя, и обещать это было бы нечестно.
Что происходит с загруженным фото
Оно остаётся в вашем браузере и уходит только в запрос к модели. В открытый доступ снимок не попадает. Документы с персональными данными всё же загружать не стоит.
Определит ли нейросеть, кто изображён на фото
Нет, и намеренно: узнавание конкретных людей по лицу мы не делаем. Описать внешность и действия — да, назвать имя — нет.