Фото в текст: распознать текст с картинки, скана или PDF и скопировать его

Вы отправляете снимок — ассистент читает его и возвращает текст с фото обычными символами прямо в чат. Дальше текст выделяется, копируется, правится и вставляется куда угодно: в документ, письмо, форму на сайте, поле поиска.

Задача из фото в текст возникает там, где текст физически существует, но недоступен: он нарисован пикселями, а не набран. Скриншот переписки, снимок страницы книги, фотография объявления на подъезде, экран чужого компьютера, презентация с проектора, скан договора, PDF, собранный из фотографий, — во всех этих случаях текст видно, но его нельзя ни выделить мышкой, ни найти поиском.

Что ассистент делает со снимком:

• превращает картинку в текст целиком: абзацы, списки, заголовки — в том виде, в каком они читаются на изображении;
• достаёт фрагмент, если нужен не весь лист: «выпиши только реквизиты», «дай мне третий абзац», «перечисли, что в таблице»;
• собирает текст из фото нескольких страниц в один сплошной документ без повторов на стыках;
• разбирает мелкий и слегка размытый шрифт, опираясь на смысл фразы, а не только на форму букв;
• честно помечает нечитаемые места как [неразборчиво] вместо того, чтобы придумать правдоподобный вариант.

Текст по фото возвращается в чат, а не отдельным файлом. Это принципиальное отличие от конвертеров: результат не нужно скачивать и открывать, с ним можно сразу продолжить работу в том же диалоге — сократить, перевести, разобрать по смыслу, свести в таблицу.

Распознавание текста по фото не требует особого формата снимка. Подходит всё, что открывается как картинка: фотография с телефона, скриншот, скан, кадр из видео, страница PDF.

Что чаще всего приносят на распознавание по фото:

• Скриншоты. Переписка, сообщение об ошибке, таблица из чужого интерфейса, страница сайта, с которой запрещено копировать. Скриншот распознаётся лучше всего: там идеальная резкость и ровные строки.
• Документы. Договор, счёт, акт, справка, выписка, инструкция. Отсюда чаще всего просят не весь текст, а конкретные поля: номер, дату, сумму, реквизиты сторон.
• Учебные материалы. Страница учебника, методичка, слайд с лекции, задание на доске. Если на снимке не текст, а именно задача, которую надо решить, — это соседний инструмент, решение задачи по фото.
• Печатная продукция. Книга, журнал, газета, брошюра, этикетка, состав на упаковке, меню, ценник, вывеска, табличка с расписанием.
• Чеки и бланки. Кассовый чек, квитанция, посадочный талон, накладная. Позиции и суммы удобно сразу просить свести в таблицу.
• Таблицы и схемы. Расписание, прайс, график дежурств, ведомость. Структуру ассистент сохраняет, если она читается на снимке.

Распознать текст можно и на кириллице, и на латинице, и на смешанной странице, где термины, формулы и код идут вперемешку с обычным текстом. Цифры, даты, артикулы и номера ассистент выделяет отдельно: у них нет смысловой опоры, поэтому ошибка на них дороже всего и их стоит перепроверить глазами.

Что попросить вместе с распознаванием

Формулировка на входе экономит больше времени, чем правка на выходе:

• «Распознай текст с картинки и сохрани абзацы и списки»;
• «Выпиши из этого чека только позиции и суммы, таблицей»;
• «Тут пять снимков одного документа — собери сплошной текст без повторов»;
• «Дай текст как есть, ничего не исправляй»;
• «Прочитай мелкий шрифт внизу и объясни, что это значит».

Последний пункт стоит проговаривать. По умолчанию ассистент возвращает то, что написано, — с исходной пунктуацией и опечатками автора. Если нужен вычищенный вариант, скажите об этом явно или прогоните результат через проверку орфографии.

Задача одна, названий у неё много. «Картинка в текст», «из фото в текст онлайн», «распознать текст с фото», «считать текст с фото» — за всеми формулировками стоит одно действие: изображение на входе, редактируемые буквы на выходе.

Распознание текста с картинки нужно, когда текст физически есть, но скопировать его нельзя — он нарисован пикселями. Скриншот переписки, снимок страницы учебника, фотография объявления, скан документа. Преобразовать картинку в текст — значит вернуть себе возможность искать по нему, править и вставлять в документ.

Распознать текст на фото ассистент способен и на кривом снимке: если буквы читаются глазом, шанс есть. Текст на фото онлайн обрабатывается целиком — и заголовки, и мелкий шрифт в углу.

Скопировать текст с фото — самая массовая формулировка задачи после самой конвертации. Смысл тот же, но пользователь называет её по действию: не «распознать», а «забрать себе».

Типовые ситуации, где нужно извлечь текст из фото:

• Переписать реквизиты. Счёт или карточку компании прислали снимком, а платёжку заполнять руками. Ошибка в одной цифре ИНН стоит платежа.
• Перенести конспект или методичку. Сфотографировали страницу — получили текст, по которому работает поиск словами. Дальше из него удобно сделать конспект по тексту или собрать список литературы по ГОСТу.
• Забрать текст из защищённого места. Сайт с запретом на выделение, чужая презентация, PDF, собранный из картинок, приложение без функции копирования.
• Достать данные из таблицы на снимке. Прайс, отчёт, ведомость. Дальше с ними работают таблицы и Excel или анализ данных.
• Сохранить переписку или объявление. Скриншот удалится, текст останется.
• Разобрать мелкий шрифт. Состав продукта, условия договора, сноска в инструкции — то, что глазами читать больно, а увеличивать бесполезно.

Работает и с телефона, и с компьютера. Отдельно про мобильный сценарий: скопировать текст с фото на айфоне или на Android через чат ничем не отличается — снимок отправляется прямо из галереи или камеры, результат приходит текстом, который выделяется и копируется системным способом.

Распознать PDF — та же задача, что и с фотографией, но вход другой. Здесь важно различать два принципиально разных PDF:

1. Текстовый PDF — собран из набранного текста. В нём текст уже выделяется и копируется штатными средствами: распознавание не нужно, достаточно выделить и скопировать.
2. Сканированный PDF — внутри картинки страниц. Текст видно, но выделить нельзя, поиск по документу не работает. Вот здесь и нужно распознавание текста PDF: страницы читаются как изображения.

Практическая проверка занимает секунду: попробуйте выделить строку в документе. Не выделяется — значит, скан, и извлечь текст из PDF можно только распознаванием.

Что просят по этой семье чаще всего:

• из PDF в текст целиком, чтобы дальше редактировать;
• достать из скана конкретные поля: стороны договора, сумму, срок, номер;
• собрать текст со скана многостраничного документа по порядку страниц;
• прочитать скан плохого качества — присланный по почте «фотографией фотографии».

Ограничение по объёму называю честно: это диалог с моделью, а не пакетный обработчик. Документ на несколько страниц читается нормально, но отправлять сотню сканов пачкой и ждать конвейерной обработки не стоит — присылайте по 2–5 страниц и собирайте результат по частям. Так ещё и заметнее, где распознавание сбилось.

Огромная часть запросов этой темы звучит как «распознать текст из PDF в Word», «фото в Word», «JPG в ворд». Отвечаю прямо, потому что честный ответ здесь полезнее обещания.

Файл .docx ассистент не собирает. На выходе — текст в чате. Вёрстка один в один, колонтитулы, шрифты, положение картинок на странице не сохраняются: это работа конвертера, а не языковой модели.

Что при этом реально решается за два шага:

1. Ассистент распознаёт снимок или скан и возвращает текст с сохранённой структурой — абзацы, списки, заголовки, порядок разделов.
2. Вы копируете его в Word, Google Документы или любой редактор. Форматирование накладываете уже там — на редактируемый текст, а не на картинку.

Когда такой путь лучше конвертера: текст нужно не просто перенести, а править — переписать, сократить, дополнить, проверить. Конвертер отдаст документ с распознанным текстом и поехавшей вёрсткой, которую всё равно придётся чинить руками. Когда конвертер лучше: нужен многостраничный типографский документ с точным сохранением макета и без единой правки содержания.

Отдельно про скан в Word с редактированием: если цель — именно отредактировать содержимое, работать с текстом в чате быстрее. Исправить ошибки, сократить или переписать своими словами можно прямо здесь, а в редактор перенести уже готовый вариант.

Русское «перевести» означает и translate, и преобразовать, поэтому одна и та же фраза приводит на страницу двух разных людей.

• «Перевести фото в текст», «перевод текста по фото», «перевести картинку в текст» — это преобразование носителя: язык остаётся тем же, меняется только форма. Это ровно то, что делает ассистент на этой странице.
• «Переводчик по фото», «перевести фото с английского», «перевод по фото на русский» — это смена языка. Другая задача и другой инструмент.

Простая проверка: назовите свою задачу вслух и посмотрите, упоминается ли в ней второй язык. Не упоминается — вам сюда. Упоминается — вам нужен перевод.

Если текст на снимке иностранный, надёжнее всего делать это двумя шагами: сначала распознать здесь, потом отправить результат в перевод с английского на русский. Так вы видите исходный текст и можете проверить, что модель не выдумала слово, которого на фото не было, — при совмещении двух задач в один запрос такие ошибки незаметны.

Честная картина экономит время на попытках, которые заведомо не сработают.

Читается уверенно:

• скриншоты и снимки экрана — идеальный случай: резкость, контраст, ровные строки;
• печатный текст на светлом фоне: книга, документ, инструкция, распечатка;
• ровный кадр, снятый прямо над страницей, с полями и без заломов;
• связный текст в несколько строк: чем больше контекста, тем точнее восстанавливаются спорные символы.

Читается хуже, требует проверки:

• цифры, даты, артикулы, номера документов и суммы — у них нет смысловой опоры, проверяйте всегда;
• декоративные и узкие шрифты, текст капслоком в разрядку, стилизованные логотипы;
• текст поверх фотографии, градиента, печати или другого текста;
• мелкий шрифт на фоне, снятый с расстояния: сноски, состав, юридические оговорки;
• многоколоночная вёрстка — газета, журнал, научная статья: порядок колонок может съехать, скажите заранее «читай по колонкам»;
• таблицы со сложной шапкой и объединёнными ячейками.

Не работает в принципе: снимок не в фокусе, страница под острым углом, блик поперёк строк, разрешение, при котором буквы сливаются. Если вы сами не разбираете текст, увеличив снимок на экране, — модель тоже не разберёт.

Точность в процентах мы не обещаем: она зависит от качества снимка сильнее, чем от чего-либо ещё, и любая единая цифра была бы враньём. Ориентир проще: скриншот и ровный скан читаются почти без правок, снятый с рук документ — с выборочной сверкой цифр.

Качество снимка влияет на результат сильнее любых настроек. Пять правил закрывают почти все неудачные попытки:

1. Свет рассеянный, без вспышки. Вспышка в упор даёт блик по центру страницы — ровно там, где текст. Дневной свет от окна лучше любой лампы.
2. Камера параллельно листу. Съёмка под углом искажает строки, буквы «съезжают», распознавание начинает терять окончания. Держите телефон прямо над страницей.
3. Страница целиком в кадре. Обрезанная строка не восстанавливается: чего нет на снимке, того нет и в тексте. Разворот книги снимайте двумя кадрами.
4. Без тени от руки и телефона. Самая частая причина нечитаемого снимка — собственная тень поперёк строк.
5. Проверьте резкость до отправки. Увеличьте снимок: если буквы размыты у вас, они размыты и для модели.

Скан со сканера или съёмка в режиме «документ» дают более ровный результат, чем кадр с рук: там уже выправлена перспектива и поднят контраст. Если страниц много, отправляйте по 2–5 за раз и просите собрать сплошной текст — так проще заметить, где распознавание сбилось, и переснять именно этот лист.

Запрос «распознавание текста онлайн» обычно приводит к классическому OCR — оптическому распознаванию символов. С ровной печатной страницей такой инструмент справляется прекрасно и делает это быстрее. Разница в другом.

• Классический распознаватель текста работает посимвольно: находит границы букв и сопоставляет каждую с эталоном. Он не понимает, что читает, поэтому на сомнительном символе выдаёт похожий по форме — так «1» становится «l», а «О» превращается в ноль.
• Ассистент на мультимодальной модели видит изображение и понимает содержание одновременно. Спорное место он достраивает по смыслу фразы, а не по форме знака: в слове «догвор» он опознает опечатку сканирования, а в номере телефона — не станет угадывать вовсе и попросит переснять.

Что из этого следует практически:

• Ассистент точнее на «грязных» снимках — фотографиях с рук, кадрах под углом, страницах с бликом, мелком шрифте.
• Классический конвертер быстрее и дешевле на многостраничном типографском документе, где нужен не смысл, а скорость и постраничная вёрстка.
• Ассистент умеет то, чего OCR не умеет вовсе: объяснить прочитанное, свести распознанное в таблицу, ответить на вопрос по содержимому снимка, сравнить два документа, найти в них расхождение.
• Файла на выходе нет. Текст возвращается в чат: его копируют, а не скачивают.

Распознавание здесь — не конец работы, а её начало. Именно поэтому имеет смысл сразу сказать, что вам нужно от текста, а не забирать его и уходить.

Текст приходит в чат, поэтому продолжить можно в том же диалоге:

• Вычитать. В распознанном тексте попадаются артефакты съёмки: проверка орфографии и исправление ошибок закрывают это за секунды.
• Ужать. Десять страниц методички редко нужны целиком — сократить текст оставит суть, а вывод по тексту даст короткое резюме.
• Разобрать по смыслу. Что в документе главное, какие есть условия и противоречия — это анализ текста.
• Переписать своими словами. Чужой текст со снимка — повод перефразировать, а не копировать дословно, и улучшить формулировки.
• Свести в таблицу. Чек, прайс, ведомость со снимка удобно превратить в структуру: таблицы и Excel, анализ данных.
• Спросить по содержимому. Что означает этот пункт, чем грозит эта строка договора — ответы на вопросы.
• Учиться дальше. Если на снимке задание — решение задачи по фото, если тема шире — помощь в учёбе.

Правильный порядок именно такой: сначала распознать и сверить цифры, потом править текст. Вычитывать документ, в котором ещё не проверены суммы и даты, — потерянное время.

Пять ограничений, о которых честнее сказать сразу.

Не отдаёт файл Word или PDF. Результат — текст в чате. Копируйте его в редактор и форматируйте там; готового .docx со снимка не будет.

Не читает почерк на этой странице. Рукописный текст — отдельная задача с другими правилами: там важна не форма буквы, а связность фразы. Для рукописей, конспектов от руки и врачебных записей есть распознавание рукописного текста.

Не переводит на другой язык за один шаг. «Перевести фото в текст» здесь значит преобразовать, а не translate. Смена языка — отдельный шаг, см. раздел выше.

Не наносит текст на картинку и не стирает его. Обратные задачи — «сделать текст на фото», «убрать надпись со снимка» — к распознаванию отношения не имеют; стиранием занимается фоторедактор.

Не делает скан документа. Превратить фотографию в аккуратный скан-файл — работа сканирующего приложения. Здесь снимок не обрабатывают, а читают: на выходе не картинка получше, а текст.

Многостраничный документ. Отправляйте по 2–5 страниц и добавляйте «это один документ, собери подряд». Ассистент склеит текст и не продублирует строки на стыке.

Скриншот переписки. Попросите разделить по репликам: «кто что написал, по строкам». Так текст сразу пригоден для цитирования.

Чек или накладная. «Выпиши позиции, количество и сумму таблицей» — результат приходит структурой, а не сплошной строкой.

Договор или счёт. Не просите весь текст, если нужны поля: «дай стороны, сумму, срок и реквизиты». Быстрее и меньше мест, где можно ошибиться.

Таблица со снимка. Скажите, как читать: «шапка в первой строке, читай по столбцам». Объединённые ячейки лучше проговорить отдельно.

Плохой скан из почты. Присылайте как есть и просите помечать спорные места. Неразборчивое лучше увидеть пометкой, чем найти потом в договоре.

Работает в браузере, с телефона и с компьютера, без регистрации и бесплатно в базовом лимите. Под задачей доступны разные модели — если одна не разобрала сложный фрагмент, имеет смысл переспросить у другой: снимок тот же, а читают они его по-разному.