OCR 엔진은 주로 왼쪽에서 오른쪽으로 쓰는 언어용으로 설계되었습니다. 영어, 프랑스어, 스페인어, 독일어. 텍스트는 왼쪽에서 오른쪽으로 흐릅니다. 문자 인식 모델은 라틴어 문자로 학습됩니다. 아랍어, 히브리어, 우르두어 또는 페르시아어로 작성된 PDF에서 OCR을 실행하면 엔진은 기본적으로 인식하도록 설계되지 않은 스크립트로 작성된 오른쪽에서 왼쪽으로 흐르는 텍스트를 발견합니다. 그 결과 잘못된 순서로 문자가 인식되고, 단어가 거꾸로 쓰여지고, 발음 구별 부호가 잘못 배치되거나 완전히 누락되는 등 잘못된 출력이 발생합니다.
오른쪽에서 왼쪽으로 쓰는 언어 PDF의 OCR에는 RTL 스크립트를 명시적으로 지원하는 OCR 엔진이 필요합니다. 엔진은 아랍어, 히브리어 또는 기타 RTL 문자를 인식하고 올바른 문자 순서를 유지하며 이러한 언어의 의미에 필수적인 발음 구별 부호를 처리해야 합니다. 이 가이드에서는 올바른 엔진을 선택하고 정확한 RTL OCR을 위해 구성하는 방법을 다룹니다.
RTL 언어에 대한 OCR PDF 챌린지는 LTR 언어와 근본적으로 다릅니다. 텍스트 방향, 문자 집합 및 발음 구별 부호 처리에는 모두 특정 지원이 필요합니다.
RTL 가능 OCR 엔진 선택
| 엔진 유형 | RTL 지원 | 에 가장 적합 |
|---|---|---|
| 범용 OCR | 제한적이거나 없음. 개별 아랍어 문자를 인식할 수 있지만 올바른 오른쪽에서 왼쪽 단어 순서는 유지되지 않습니다. | RTL 문서에는 권장되지 않습니다. 출력에는 광범위한 수동 수정이 필요합니다. |
| RTL을 지원하는 다국어 OCR | 아랍어, 히브리어 및 기타 RTL 스크립트를 보조 언어로 지원합니다. 언어가 지정되면 텍스트 방향을 올바르게 처리합니다. | RTL 텍스트가 LTR 텍스트와 함께 나타나는 혼합 언어 문서 |
| RTL 전문 OCR | 아랍어 또는 히브리어 OCR용으로 특별히 제작되었습니다. 대상 언어에 대한 정확도가 가장 높습니다. 발음 구별 부호와 합자를 올바르게 처리합니다. | 전체 또는 주로 단일 RTL 언어로 문서화 |
RTL OCR에 대한 언어 설정 구성
OCR 엔진 설정에서 특정 RTL 언어를 선택하세요. RTL 텍스트를 다른 스크립트로 잘못 식별할 수 있는 자동 감지에 의존하지 마십시오. 문서에 RTL 및 LTR 텍스트가 모두 포함된 경우 두 언어를 모두 지정하고 엔진이 텍스트 블록 수준에서 언어를 감지하도록 합니다. 언어 설정에 따라 엔진이 사용하는 문자 모델이 결정됩니다.
WukongPDF OCR 도구는 여러 언어를 지원합니다. RTL 문서의 경우 언어를 명시적으로 지정합니다. RTL 콘텐츠가 포함된 스캔 PDF에서는 사용 가능한 결과를 얻으려면 올바른 언어 구성이 필요합니다.
RTL OCR 출력 확인
OCR 후 샘플 단락을 읽어 출력을 확인합니다. 텍스트는 오른쪽에서 왼쪽으로 흘러야 합니다. 단어는 올바른 위치에 발음 구별 부호를 사용하여 철자를 정확하게 입력해야 합니다. 문서에서 알려진 단어를 검색하여 인식되었는지 확인하세요. 출력이 왜곡되면 언어 설정을 확인하고 다시 처리하십시오.
RTL 문서에 대한 PDF 번역 워크플로에서는 첫 번째 단계로 정확한 OCR이 필요합니다. 번역 품질은 OCR 품질에 따라 달라집니다.
같은 페이지에서 혼합 RTL 및 LTR 텍스트 처리
같은 페이지에 아랍어와 영어 텍스트가 모두 포함된 문서의 경우 텍스트 블록 수준에서 언어를 감지하려면 OCR 엔진이 필요합니다. 각 블록은 올바른 언어 모델로 처리됩니다. 출력에서는 각 블록의 올바른 텍스트 방향을 유지합니다.
OCR PDF 혼합 방향 감지는 페이지 수준이 아닌 단락 또는 텍스트 블록 수준에서 작동해야 합니다. 콘텐츠의 절반에 대해 페이지 수준 언어 설정이 잘못되었습니다.
RTL OCR 중 발음 구별 부호 보존
아랍어 및 히브리어 분음 기호는 문자 위, 아래 또는 내부에 있는 작은 점과 획입니다. 그것들은 의미를 위해 필수적입니다. 기본 문자를 인식하지만 발음 구별 부호가 누락된 OCR 엔진은 철자가 잘못된 텍스트를 생성합니다. OCR 출력에서 분음 구별 정확도를 확인합니다.
RTL 언어에 대한 스캔 PDF 발음 구별 검증은 모든 표시가 있는지 확인합니다. 누락된 분음 부호로 인해 단어가 변경됩니다.
RTL 텍스트 방향에 대한 OCR 후 편집
OCR이 정확하더라도 출력 파일의 텍스트 방향을 조정해야 할 수 있습니다. 일부 텍스트 편집기는 문자가 올바른 경우에도 RTL 텍스트를 잘못 표시합니다. 대상 응용프로그램에서 텍스트 방향을 확인하고 필요한 경우 조정하십시오.
PDF 번역 RTL 편집 단계에서는 텍스트가 대상 언어에 대해 올바른 방향으로 흐르는지 확인합니다.
특정 RTL 스크립트에 대한 사용자 정의 OCR 모델 교육
대량의 RTL 문서를 처리하는 조직의 경우 특정 스크립트 및 문서 유형에 대해 훈련된 사용자 정의 OCR 모델은 범용 엔진보다 더 높은 정확도를 제공합니다. 훈련 투자는 교정 시간 단축으로 회수됩니다.
RTL 스크립트용 OCR PDF 사용자 정의 모델은 대용량, 반복 문서 유형에 적합합니다.
OCR 출력에서 양방향 텍스트 처리
RTL 텍스트에 아랍어 문장 내의 영어 기술 용어와 같은 LTR 요소가 포함되어 있는 경우 OCR 출력은 올바른 양방향 순서를 유지해야 합니다. 포함된 LTR 텍스트가 RTL 흐름 내에서 올바르게 읽히는지 확인합니다.
스캔 PDF 양방향 텍스트 확인은 문장 내 언어 전환이 올바르게 처리되는지 확인합니다.
OCR 확인을 위해 기본 RTL 애플리케이션 사용
RTL 언어용으로 설계된 애플리케이션을 사용하여 OCR 출력을 확인합니다. 아랍어 또는 히브리어를 지원하는 워드 프로세서는 텍스트를 올바르게 표시하고 모국어 편집을 가능하게 합니다.
기본 애플리케이션의 PDF 번역 RTL 확인은 LTR 애플리케이션이 표시하지 않을 수 있는 오류를 포착합니다.
RTL OCR 품질 기준 구축
OCR 파이프라인을 통해 샘플 문서를 처리하고 정확도를 측정합니다. 이 측정값을 기준으로 사용하세요. OCR 엔진이나 설정을 변경할 때 새로운 정확도를 기준과 비교하세요.
PDF 도구 RTL OCR 기준선은 시간이 지남에 따라 데이터 기반 품질 개선을 가능하게 합니다.
아랍어 스크립트 OCR에서 합자 처리
아랍어 스크립트는 두 개 이상의 문자가 하나의 문자 모양으로 결합되는 합자를 사용합니다. OCR 엔진은 합자를 인식하고 이를 올바른 문자 시퀀스에 매핑해야 합니다. 잘못된 합자 인식으로 인해 개별 문자가 올바른 경우에도 맞춤법이 틀린 단어가 생성됩니다.
아랍어에 대한 OCR PDF 합자 처리는 특수 기능입니다. 범용 OCR 엔진은 이를 지원하지 않을 수 있습니다.
우르두어 및 페르시아어 스크립트 변형용 OCR
우르두어와 페르시아어는 추가 문자와 함께 아랍어 스크립트를 사용합니다. 아랍어로 구성된 OCR 엔진은 우르두어 관련 문자나 페르시아어 관련 문자를 인식하지 못합니다. 스크립트 계열뿐만 아니라 정확한 언어를 선택하세요.
스크립트 변형에 대한 스캔 PDF 언어 선택은 정확해야 합니다. 아랍어 OCR 설정은 우르두어 문서를 올바르게 처리하지 않습니다.
원어민 검토로 RTL OCR 확인
RTL 텍스트의 기계 OCR에는 항상 중요한 문서에 대한 사람의 확인이 필요합니다. 원어민이 OCR 출력을 읽고 원본과 비교합니다. 인간 검토자는 자동화된 정확도 메트릭이 놓친 오류를 포착합니다.
RTL OCR에 대한 PDF 번역 원어민 리뷰는 허용 가능한 출력과 신뢰할 수 없는 출력 사이의 품질 기준입니다.
혼합된 아라비아 숫자와 힌디 숫자 처리
아랍어 문서에서는 때로는 같은 페이지에 아라비아 숫자(٠١٢٣٤٥٦٧٨٩)와 힌디어 숫자(0123456789)를 모두 사용할 수 있습니다. OCR 엔진은 두 숫자 체계를 모두 올바르게 인식하고 원래 숫자를 보존해야 합니다.
OCR PDF 아랍어 문서에 대한 이중 숫자 인식에는 두 숫자 체계를 모두 처리하는 엔진이 필요합니다.
기록 RTL 문서에 대한 OCR
RTL 언어로 된 기록 문서는 이전 스크립트 변형, 비표준 문자 형식 또는 저하된 인쇄 품질을 사용할 수 있습니다. 최신 인쇄 텍스트에 대해 훈련된 범용 OCR 엔진은 어려움을 겪을 것입니다. 전문적인 과거 OCR 모델 또는 수동 전사가 필요할 수 있습니다.
스캔된 PDF 기록 RTL 문서 문제는 정확성입니다. 낮은 OCR 정확도를 수용하고 수동 수정에 더 많은 시간을 투자하세요.