လွယ်လွယ်ပြောရရင် OCR ဆိုတာ ပုံထဲက စာကို ကွန်ပျူတာက ဖတ်ပြီး တကယ့် စာသားအဖြစ် ပြောင်းပေးတဲ့ နည်းပညာပါ။ OCR ဆိုတာ Optical Character Recognition ရဲ့ အတိုကောက်ပါ။ ဖုန်းနဲ့ စာရွက်တစ်ရွက် ဓာတ်ပုံရိုက်လိုက်ရင် အဲဒါက ဓာတ်ပုံပဲ ဖြစ်နေတာပါ — စာကို Copy လုပ်လို့ မရဘူး၊ Search လုပ်လို့လည်း မရဘူး။ OCR က အဲဒီပုံကို ဖတ်ပြီး စာသားအစစ်အဖြစ် ပြောင်းပေးလိုက်တာပါ။
ကျွန်တော် ဒါကို ကလေးတစ်ယောက် စာဖတ်သင်နေသလို ဥပမာပေးချင်တယ်။ ကလေးက အက္ခရာတစ်လုံးချင်းကို အရင် မှတ်တယ်၊ ပြီးမှ စာလုံးတွေ ပေါင်းဖတ်တယ်၊ နောက်ဆုံး ဝါကျအဖြစ် နားလည်သွားတယ်။ OCR လည်း အဲဒီလိုပါပဲ။ ပုံထဲက အက္ခရာတစ်လုံးချင်းကို ခွဲထုတ်တယ်၊ ဘယ်စာလုံးလဲ ဆိုတာ မှန်းတယ်၊ ပြီးမှ စာကြောင်းအဖြစ် ပြန်စီပေးတယ်။ ကလေးက တစ်ခါတလေ စာလုံး မှားဖတ်သလို OCR လည်း တစ်ခါတလေ မှားတတ်ပါတယ်။ ဒါပေမယ့် အခုခေတ် AI ပါတဲ့ OCR တွေက တော်တော်လေး တိကျလာပါပြီ။
နေ့စဉ်ဘဝမှာ OCR က ဘယ်နေရာမှာ သုံးနေတာလဲ?
OCR က ကိုယ်သတိမထားမိဘဲ နေ့တိုင်း သုံးနေတဲ့ နည်းပညာပါ။
ဖုန်းနဲ့ စာရွက် Scan လုပ်တာ — Adobe Scan, CamScanner, Google Drive ရဲ့ Scan feature တွေက ဓာတ်ပုံရိုက်လိုက်တာနဲ့ စာသားကို ထုတ်ပေးပါတယ်။ ပြေစာ၊ လက်မှတ်၊ စာချုပ်တွေကို PDF အဖြစ် သိမ်းထားလို့ရတယ်။
Google Lens — လမ်းမှာ ဆိုင်းဘုတ်တစ်ခု တွေ့ရင် ဖုန်းနဲ့ ထောက်ကြည့်လိုက်တာနဲ့ အဲဒီပေါ်က စာကို ဖတ်ပြီး ဘာသာပြန်ပေးတာပါ။ ဒါ OCR ပဲ။
ဘဏ်မှာ Cheque ဖတ်တာ — ဘဏ်တွေက Cheque ပေါ်က ဂဏန်းတွေကို OCR နဲ့ ဖတ်ပြီး အကောင့်ထဲ ထည့်ပေးပါတယ်။
စာအုပ်ဟောင်းတွေကို Digital ပြောင်းတာ — စာကြည့်တိုက်တွေမှာ စာအုပ်ဟောင်း ထောင်ပေါင်းများစွာကို Scan လုပ်ပြီး OCR နဲ့ စာသားထုတ်ထားပါတယ်။ ဒါကြောင့် Google Books မှာ ရှာလို့ရတာပါ။
Passport နဲ့ ID Card ဖတ်တာ — လေဆိပ်မှာ Passport ကို စက်ထဲ ထည့်လိုက်ရင် OCR က အမည်၊ နံပါတ်တွေကို ဖတ်ယူပါတယ်။
OCR က ဘယ်လို အလုပ်လုပ်တာလဲ?
နောက်ကွယ်မှာ အဆင့် ၄ ဆင့် ရှိပါတယ်။
အရင်ဆုံး ပုံကို သန့်ရှင်းရေးလုပ်တယ် — ပုံကို အဖြူအမည်း ပြောင်းတယ်၊ စောင်းနေရင် တည့်အောင် လှည့်တယ်၊ အမှိုက်လေးတွေ ဖယ်တယ်။ ပုံကြည်လေ OCR တိကျလေပါပဲ။
ပြီးရင် စာရှိတဲ့ နေရာကို ရှာတယ် — ပုံထဲက ဘယ်အပိုင်းက စာလဲ၊ ဘယ်အပိုင်းက ပုံလဲ ဆိုတာ ခွဲပါတယ်။ စာကြောင်းတွေကို တစ်ကြောင်းချင်း ခွဲထုတ်ပါတယ်။
နောက်မှ အက္ခရာတွေကို မှတ်မိတယ် — အက္ခရာတစ်လုံးချင်းကို ပုံစံနဲ့ နှိုင်းယှဉ်ပြီး “ဒါက A၊ ဒါက B” လို့ ဆုံးဖြတ်ပါတယ်။ အခုခေတ် OCR တွေက Neural Network သုံးထားလို့ လက်ရေးစာကိုတောင် တစ်ချို့အထိ ဖတ်နိုင်ပါတယ်။
နောက်ဆုံး စာသားအဖြစ် ထုတ်ပေးတယ် — မှတ်မိတဲ့ အက္ခရာတွေကို စာလုံး၊ စာကြောင်းအဖြစ် ပြန်စီပြီး Copy လုပ်လို့ရတဲ့ စာသား ဖြစ်သွားပါတယ်။
နာမည်ကြီးတဲ့ OCR Tool တွေကတော့ Google Vision API, Tesseract (Free, Open Source), Microsoft Azure AI Vision, Adobe Acrobat တို့ပါ။ Tesseract ဆိုတာ Free ဖြစ်လို့ ကိုယ်တိုင် Program ရေးပြီး စမ်းကြည့်လို့ရပါတယ်။
မြန်မာစာနဲ့ OCR
မြန်မာစာအတွက်တော့ OCR က အင်္ဂလိပ်စာလောက် မတိကျသေးပါဘူး။ မြန်မာစာက အက္ခရာတွေ ပေါင်းစပ်ပုံ ရှုပ်လို့ Computer က ခွဲခြားရ ခက်ပါတယ်။ ဥပမာ “က” နဲ့ “ကာ”၊ “စ” နဲ့ “ဆ” က ပုံချင်း ဆင်ပါတယ်။ အခုနောက်ပိုင်း Google Lens နဲ့ တချို့ AI Tool တွေက မြန်မာစာကို တော်တော်လေး ဖတ်နိုင်လာပေမယ့် အပြည့်အဝ မမှန်သေးပါဘူး။ Zawgyi နဲ့ Unicode ရောနေရင် ပိုဆိုးပါတယ်။
ဒါကြောင့် မြန်မာစာ စာရွက်ကို OCR လုပ်မယ်ဆိုရင် စာကို ပြန်စစ်ဖို့ အမြဲ လိုပါတယ်။ အရေးကြီးတဲ့ စာချုပ်၊ မှတ်ပုံတင်နံပါတ်မျိုးဆိုရင် တစ်လုံးချင်း ပြန်ဖတ်တာ အကောင်းဆုံးပါ။
OCR ကို ပိုတိကျအောင် ဘယ်လို သုံးရမလဲ?
အလင်းရောင်ကောင်းတဲ့ နေရာမှာ ရိုက်ပါ — အမှောင်ထဲမှာ ရိုက်ရင် စာတွေ မှုန်ပြီး OCR မှားတတ်ပါတယ်။
စာရွက်ကို တည့်တည့် ရိုက်ပါ — စောင်းနေရင် OCR က စာကြောင်းကို မှားဖတ်တတ်ပါတယ်။
စာရွက်ပေါ်မှာ အရိပ်မကျပါစေနဲ့ — ဖုန်းရဲ့ အရိပ်ကျရင် အဲဒီနေရာက စာတွေ ပျောက်တတ်ပါတယ်။
လက်ရေးစာထက် ပုံနှိပ်စာက ပိုတိကျပါတယ် — လက်ရေးက လူတစ်ယောက်နဲ့ တစ်ယောက် မတူလို့ OCR ဖတ်ရ ခက်ပါတယ်။
ရလဒ်ကို အမြဲ ပြန်စစ်ပါ — အထူးသဖြင့် ဂဏန်းတွေ၊ ရက်စွဲတွေ၊ နာမည်တွေကို တစ်ခါ ပြန်ဖတ်ပါ။
OCR က ပုံနဲ့ စာကြားက တံတားတစ်ခုပါ။ ဓာတ်ပုံထဲမှာ ပိတ်မိနေတဲ့ စာတွေကို လွတ်လပ်တဲ့ စာသားအဖြစ် ထုတ်ပေးတယ်။ စာရွက်တွေ အများကြီး သိမ်းထားရတဲ့ သူတွေအတွက် ဒါက တကယ့် အချိန်သက်သာစေတဲ့ နည်းပညာပါ။ နောက်တစ်ခါ ပြေစာတစ်ရွက် ဓာတ်ပုံရိုက်မိရင် OCR က နောက်ကွယ်မှာ အလုပ်လုပ်နေတာကို သတိရလိုက်ပါ။
—
