OCR عربي يحافظ على التشكيل والخطوط الأصلية
أكثر محولات PDF فقد قدرتها على معالجة العربية بدقة. التشكيل يضيع، الحروف تتقطّع، الخطوط الكلاسيكية تتشوّه. TheDocMaker يستخدم نموذج ذكاء اصطناعي حديث للتعرف الضوئي على النصوص العربية، يحافظ على الفتحة، الضمة، الكسرة، الشدة، السكون، والتنوين، مع دعم كامل للاتجاه من اليمين إلى اليسار وللخطوط العربية الكلاسيكية.
جرّب OCR العربي مجاناًبِسْمِ اللهِ الرَّحْمَنِ الرَّحِيمِ. الْحَمْدُ لِلَّهِ رَبِّ الْعَالَمِينَ، الرَّحْمَنِ الرَّحِيمِ، مَالِكِ يَوْمِ الدِّينِ.
هذا نص مشكول كاملاً. منافسونا (smallpdf, ilovepdf, Adobe Online) إما يحذفون التشكيل تماماً، أو يضعون الحركات في مواضع خاطئة. TheDocMaker يحافظ على كل علامة تشكيل في موضعها الصحيح بدقة عالية.
ما هي تقنية OCR وكيف تعمل مع العربية؟
OCR (Optical Character Recognition) أو "التعرف الضوئي على الحروف" هي تقنية تحوّل صور النصوص (الممسوحة ضوئياً، الصور الفوتوغرافية، أو ملفات PDF غير القابلة للنسخ) إلى نص رقمي قابل للتعديل والبحث. للعربية تحديداً، هذه التقنية تواجه تحديات لا توجد في اللغات اللاتينية:
- اتصال الحروف: الحرف العربي يتغير شكله حسب موقعه في الكلمة (أول، وسط، آخر، منفصل).
- التشكيل: علامات التشكيل صغيرة جداً وقريبة من الحرف، يصعب تمييزها في صور منخفضة الدقة.
- النقاط: الفرق بين ب/ت/ث/ن/ي يعتمد على نقطة واحدة أحياناً.
- الاتجاه: RTL يتطلب معالجة خاصة لترتيب النص بعد التعرف.
- تنوع الخطوط: النسخ، الكوفي، الثلث، الديواني، الرقعة — كل خط له خصائص بصرية مختلفة جذرياً.
ما يجعل TheDocMaker مختلفاً
الحفاظ على التشكيل
نموذج OCR لدينا يعالج التشكيل كطبقة منفصلة عن الحروف، فيستخرجها بدقة دون خلط مع الحروف الأصلية.
دعم النصوص ثنائية الاتجاه
يتعامل مع المستندات التي تحتوي على عربية وإنجليزية أو عربية وفرنسية معاً، دون اختلال التنسيق.
الخطوط العربية
تعرف ممتاز على خطوط النسخ والرقعة، وجيد على الكوفي والثلث والديواني (مع جودة مسح 300 DPI أو أعلى).
الجداول والتنسيق
نحافظ على بنية الجداول، الأعمدة، الفقرات، والمحاذاة من اليمين، بحيث يبدو ملف Word الناتج كنسخة طبق الأصل قابلة للتعديل.
الأرقام العربية والشرقية
يميز النظام بين الأرقام العربية الشرقية (٠١٢٣٤٥) والأرقام اللاتينية (012345) ويحافظ على الشكل الأصلي.
الصور والشعارات
الصور والأختام والشعارات تُحفظ كعناصر منفصلة في ملف Word، يمكنك إبقاؤها أو حذفها أو استبدالها.
متطلبات الجودة لأفضل نتيجة
دقة OCR للعربية حساسة لجودة الصورة الأصلية. للحصول على أفضل نتيجة، خاصة مع التشكيل:
- دقة المسح يفضل أن تكون 300 DPI أو أعلى.
- الإضاءة متجانسة، بدون ظلال أو انعكاسات.
- الصفحة مستقيمة (يمكن للنظام تصحيح زوايا بسيطة، لكن ليس انحرافات شديدة).
- الخط يجب أن يكون واضحاً، لا متآكلاً ولا مهترئاً.
- للنصوص المشكلة بشكل كامل، نوصي بمسح 400 DPI لتمييز علامات التشكيل الصغيرة.
حالات استخدام نموذجية
الكتب الإسلامية والتراثية
القرآن الكريم، الأحاديث، التفاسير، وكتب التراث العربي. هذه النصوص تحتوي على التشكيل الكامل، وفقدانه يغير المعنى. TheDocMaker يحافظ عليه بدقة.
الوثائق الحكومية الرسمية
عقود ناجز، شهادات الإمارات، وثائق الحالة المدنية المغربية، شهادات الميلاد المصرية. كلها تحتوي على نصوص تحتاج رقمنة دقيقة.
الأبحاث الأكاديمية
الدراسات اللغوية والشعرية بالعربية تتطلب الحفاظ على التشكيل لأغراض الاقتباس الدقيق.
المخطوطات والكتب القديمة
رقمنة الكتب الممسوحة من المكتبات. نتعامل مع مستويات جودة متفاوتة وننتج أفضل نتيجة ممكنة.
الأسئلة الشائعة حول OCR العربي
هل النموذج يستخدم Mistral AI؟
نستخدم بنية ذكاء اصطناعي حديثة معتمدة على نماذج رؤية حاسوبية متقدمة. التفاصيل الدقيقة لمزود التقنية قد تتغير مع تطور المنتج، لكن المعيار الذي نلتزم به هو الجودة الموضوعية للنتيجة بالعربية.
ما نسبة دقة التحويل؟
الدقة تعتمد بشكل كبير على جودة المسح. للنصوص الواضحة بـ 300 DPI، نحقق دقة عالية جداً تماثل أو تتفوق على الحلول التجارية المنافسة. للنصوص الرديئة، تنخفض الدقة كما هو الحال مع كل تقنيات OCR. ننصح بتجربة الخدمة مجاناً على 3 صفحات قبل الالتزام.
هل يدعم خط ابن مقلة (الثلث)؟
نعم، مع تحفظ: الخطوط الزخرفية كالثلث والديواني تحتاج جودة مسح ممتازة (400 DPI+) وقد تحتاج لمراجعة بسيطة بعد التحويل لتصحيح حروف نادرة.
هل ملفاتي خاصة وآمنة؟
نعم تماماً. الملفات تُعالَج وتُحذف فوراً بعد إرسال النتيجة. لا نخزن نسخاً ولا نستخدمها لتدريب أي نموذج.