Surya OCR

تعرّف ضوئي مفتوح يفهم التخطيط لأكثر من تسعين لغة، والعربية من أضعفها

زيارة الموقع ←

عن الأداة

سوريا حزمة تعرّف ضوئي مفتوحة المصدر من داتالاب، تقدّم التعرّف على النص في أكثر من تسعين لغة مع اكتشاف الأسطر وتحليل التخطيط وترتيب القراءة والتعرّف على الجداول، وهي المحرّك داخل محوّل «ماركر» الشائع من بي دي إف إلى ماركداون. الشيفرة بترخيص أباتشي ٢٫٠، أما أوزان النماذج فتحمل ترخيصاً معدَّلاً يبقى مجانياً تحت سقف من الإيرادات والتمويل فقط، وهو ما يهم الاستخدام التجاري. في العربية المشروع صريح على نحو غير معتاد: جدوله الخاص بإحدى وتسعين لغة يمنح العربية نحو ٤٥٪ إلى ٤٦٪، من أدنى المدخلات، ومقياس «كتاب-بنش» سجّل له معدل خطأ حروف ٤٫٩٥، الأسوأ بين ثلاثة عشر نظاماً، بمخرجات تطول غالباً عن النص الأصلي. نموذج داتالاب اللغوي البصري الأحدث «شاندرا» يذكر ٦٨٪ للعربية مقابل ٨٤٪ لنموذج جيميناي في الجدول نفسه، ويدّعي دعم الخط اليدوي بلا رقم عربي. تستحق سوريا أن تُعرف بوصفها المحرّك داخل أدوات يستخدمها الناس أصلاً، لا خياراً للتعرّف الضوئي العربي اليوم.

مسودة بمساعدة الذكاء الاصطناعي، تُراجَع من إنسان قبل النشر — تعرّف على كيف نختار الأدوات ونراجعها.

لماذا اخترناها

تجلس سوريا داخل «ماركر» ومحوّلات بي دي إف أخرى يشغّلها الباحثون السعوديون أصلاً، فينتقل ضعفها العربي بصمت إلى مخرجاتهم. ندرجها ليتعرّف القارئ على المحرّك ويراجع الأرقام قبل أن يثق بملف عربي محوَّل، ولأن صراحتها بشأن العربية نموذج ينبغي أن يقتدي به المورّدون الآخرون.

ورد في دلائلنا