Google Text Recognition API (ML Kit)

מדריך מפורט: Google ML Kit - Text Recognition API

מה זה ML Kit? ML Kit הוא SDK של גוגל המביא את יכולות הלמידה החישובית של גוגל למפתחי אפליקציות מובייל. הוא מציע מגוון ממשקי API מוכנים לשימוש למשימות נפוצות, כולל זיהוי טקסט.

תכונות עיקריות של Text Recognition API:

• זיהוי טקסט כללי: מזהה טקסט במגוון רחב של תסריטים ושפות.
• עיבוד במכשיר (On-device):
  • מהיר ואינו דורש חיבור רשת.
  • תומך בסט מוגבל יותר של שפות (אך ניתן להוריד מודלים נוספים).
  • חינמי לשימוש.
• עיבוד בענן (Cloud-based):
  • מדויק יותר, במיוחד עבור שפות צפופות או מורכבות.
  • תומך ביותר מ-50 שפות וכתבים.
  • דורש חיבור רשת ומופעל דרך פרויקט Firebase (עשוי להיות כרוך בעלויות לאחר מכסה חינמית).
• זיהוי מבנה טקסט: מחזיר לא רק את הטקסט, אלא גם את המבנה ההיררכי שלו: בלוקים של טקסט, שורות, מילים, ואף תווים בודדים עם מיקומם בתמונה.
• זיהוי שפת הטקסט: יכול לזהות אוטומטית את השפה של הטקסט המזוהה.
• תמיכה במגוון כתבים: לטיני, קירילי, סיני, יפני, קוריאני, דבאנאגרי, ערבית, עברית ועוד.

איך להשתמש? (כללי, דוגמה לאנדרואיד עם Java/Kotlin):

1. הגדרת הפרויקט: הוסף את התלות של ML Kit לקובץ build.gradle.
2. הכנת התמונה: המר את התמונה (מ-Bitmap, קובץ, או ByteBuffer) לאובייקט InputImage.

   val image = InputImage.fromBitmap(bitmap, rotationDegrees)
   

3. קבלת מופע של TextRecognizer:

   // On-device (default Latin script, English)
   val recognizer = TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)
   // On-device (לשפות נוספות כמו עברית, יש להוסיף מודל אם לא כלול ב-default)
   // val hebrewOptions = TextRecognizerOptions.Builder().setRecognitionScript(TextRecognitionScript.HEBREW).build()
   // val recognizer = TextRecognition.getClient(hebrewOptions)
   

4. עיבוד התמונה:

   recognizer.process(image)
       .addOnSuccessListener { visionText ->
           // הטקסט זוהה בהצלחה
           val resultText = visionText.text
           for (block in visionText.textBlocks) {
               val blockText = block.text
               // ... עיבוד נוסף לבלוקים, שורות, מילים
           }
       }
       .addOnFailureListener { e ->
           // זיהוי הטקסט נכשל
       }
   

שיקולים למפתחים:

• גודל התמונה: תמונות ברזולוציה גבוהה יותר יניבו תוצאות טובות יותר, אך גם ייקחו יותר זמן לעיבוד.
• תאורה וניגודיות: תנאי צילום טובים משפרים את דיוק ה-OCR.
• בחירה בין On-device ל-Cloud: תלויה בדרישות האפליקציה (חיבור רשת, מהירות, דיוק, מגוון שפות).
• ניהול מודלים לשפות (On-device): אם משתמשים במודלים שאינם ברירת מחדל, יש לוודא שהם הורדו למכשיר.

מחירים:

• On-device API: חינמי לחלוטין.
• Cloud-based API (דרך Firebase): מכסה חינמית חודשית (למשל, 1,000 קריאות ראשונות), ולאחר מכן תשלום לפי שימוש. יש לבדוק את תנאי התמחור העדכניים של Firebase ML.