در این مطلب یاد می‌گیرید چطور با هوش مصنوعی عکس صفحهٔ کتاب، جزوه، دست‌نویس فارسی، فاکتور، کارت ویزیت و اسکرین‌شات را به متن تایپی تبدیل کنید. پرامپت‌های آماده، روش گرفتن خروجی Word و Excel، نکات بالا بردن دقت و نتیجهٔ چهار تست واقعی در چت نقطه هم آمده است.
تبدیل عکس به متن با هوش مصنوعی یعنی از یک عکس معمولی، مثل صفحهٔ کتاب، جزوه، فاکتور، کارت ویزیت یا اسکرین‌شات، متن قابل‌کپی و قابل‌ویرایش بگیرید؛ بدون اینکه یک کلمه را دستی تایپ کنید. فرق هوش مصنوعی با برنامه‌های قدیمی OCR این است که فقط حروف را نمی‌خواند، بلکه می‌فهمد چه چیزی جلویش است: عنوان را از متن جدا می‌کند، ستون‌های جدول را نگه می‌دارد، جمع فاکتور را حساب می‌کند و اگر بخواهید خروجی را به فهرست، فایل Word یا Excel تبدیل می‌کند.
در این راهنما قدم‌به‌قدم می‌بینید چطور عکس را در چت نقطه به متن فارسی یا انگلیسی تبدیل کنید، چه پرامپتی بنویسید تا خروجی دقیق باشد، و نتیجهٔ چهار تست واقعی را هم می‌بینید: یک صفحهٔ کتاب، یک یادداشت دست‌نویس، یک فاکتور خرید و یک جدول.
تبدیل عکس به متن با هوش مصنوعی چطور کار می‌کند؟
ابزارهای قدیمی OCR (تشخیص نوری حروف) شکل حروف را یکی‌یکی با الگوهای ذخیره‌شده مقایسه می‌کنند. این روش برای متن انگلیسی تمیز خوب جواب می‌دهد، اما در فارسی با حروف چسبیده، نقطه‌ها، نیم‌فاصله و خط دست‌نویس زود به مشکل می‌خورد و خروجی پر از حروف به‌هم‌ریخته می‌شود.
مدل‌های هوش مصنوعی چندوجهی (Multimodal) عکس را مثل یک انسان «می‌بینند». همان مدلی که با شما گفتگو می‌کند، متن داخل عکس را هم می‌خواند و چون زبان را می‌شناسد، کلمه‌ها را در جمله تشخیص می‌دهد. نتیجه این است که می‌توانید از او چیزی بیشتر از رونویسی بخواهید:
متن را با همان خط‌بندی و عنوان‌ها بنویسد.
جدول را با همان ستون‌ها و ردیف‌ها بیرون بکشد.
اعداد فاکتور را بخواند و جمع آن‌ها را کنترل کند.
از یک یادداشت شلوغ، فهرست کارهای مرتب بسازد.
خروجی را به فایل Word یا Excel تبدیل کند.
با کدام برنامه عکس را به متن تبدیل کنیم؟
برای تبدیل عکس به متن چند راه رایج وجود دارد و هرکدام برای کار خاصی مناسب‌تر است:
اپ‌های اسکنر و OCR گوشی: برای اسکن سریع متن انگلیسی چاپی خوب‌اند، اما معمولاً فارسی را ضعیف می‌خوانند و جدول را به هم می‌ریزند.
ابزارهای جست‌وجوی تصویری مثل Google Lens: برای کپی کردن یک تکه متن یا یک شماره تلفن سریع‌اند، ولی خروجی مرتب و ساختاریافته نمی‌دهند و دسترسی به آن‌ها از ایران همیشه ساده نیست.
چت هوش مصنوعی مثل نقطه: عکس را در گفتگو می‌فرستید و به فارسی می‌گویید چه خروجی‌ای می‌خواهید؛ متن ساده، جدول، خلاصه، فهرست کارها یا فایل Word و Excel. برای متن فارسی، دست‌نویس و اسنادی که ساختار دارند، این روش دقیق‌ترین و انعطاف‌پذیرترین گزینه است.
اگر فقط یک جمله را می‌خواهید کپی کنید، هر ابزاری کار را راه می‌اندازد. اما اگر متن فارسی است، صفحه طولانی است یا خروجی باید مرتب و قابل‌استفاده باشد، چت هوش مصنوعی وقت بسیار کمتری از شما می‌گیرد.
آموزش قدم‌به‌قدم تبدیل عکس به متن در نقطه
۱. یک عکس واضح بگیرید
گوشی را موازی صفحه نگه دارید، از نور روز یا نور یکنواخت استفاده کنید و مراقب سایهٔ دست و گوشی روی کاغذ باشید. لازم نیست عکس کاملاً صاف یا اسکن‌شده باشد؛ کمی زاویه مشکلی ایجاد نمی‌کند، اما تاری و نور خیلی کم دقت را پایین می‌آورد.
۲. عکس را در چت نقطه بفرستید
وارد چت نقطه شوید، روی دکمهٔ پیوست (آیکون گیره) بزنید و عکس را انتخاب کنید. فرمت‌های رایج مثل JPG، PNG، WebP و HEIC (عکس‌های آیفون) پشتیبانی می‌شوند. اگر چند صفحه دارید، می‌توانید چند عکس را با هم بفرستید.
۳. دقیق بگویید چه خروجی‌ای می‌خواهید
فقط نوشتن «این را تایپ کن» هم جواب می‌دهد، اما اگر نوع خروجی را مشخص کنید نتیجه بسیار تمیزتر می‌شود. مثلاً بگویید خط‌بندی حفظ شود، جدول به‌صورت جدول بیاید، یا چیزی از خودش اضافه نکند. پرامپت‌های آمادهٔ بخش بعد را می‌توانید مستقیم کپی کنید.
۴. خروجی را بررسی و اصلاح کنید
متن را با عکس مقایسه کنید؛ مخصوصاً عددها، اسم‌های خاص و کلمه‌هایی که در عکس کم‌رنگ بوده‌اند. اگر جایی اشتباه بود، در همان گفتگو بنویسید «خط سوم را دوباره از روی عکس بخوان» تا فقط همان بخش اصلاح شود.
۵. خروجی را به شکل دلخواه بگیرید
بعد از استخراج متن می‌توانید در همان گفتگو بخواهید آن را خلاصه کند، به فهرست تبدیل کند، غلط‌های املایی را نشان دهد یا یک فایل Word یا Excel قابل‌دانلود از آن بسازد.
پرامپت‌های آماده برای تبدیل عکس به متن
این پرامپت‌ها را بعد از پیوست کردن عکس در چت بفرستید. هرجا لازم بود، بخش داخل کروشه را با نیاز خودتان عوض کنید.
رونویسی دقیق متن چاپی (جزوه، کتاب، نامه):
متن این عکس را دقیق و کامل بنویس. خط‌بندی، عنوان‌ها و علائم نگارشی را حفظ کن و چیزی از خودت اضافه نکن. اگر کلمه‌ای خوانا نیست، جایش [ناخوانا] بگذار.
خواندن دست‌نویس فارسی:
این یادداشت دست‌نویس فارسی است. متنش را خط به خط تایپ کن. هر کلمه‌ای را که مطمئن نیستی با علامت (؟) مشخص کن و حدس نزن.
استخراج جدول:
جدول این عکس را دقیقاً با همان ستون‌ها و ردیف‌ها به‌صورت جدول بنویس. ترتیب ستون‌ها از راست به چپ مثل عکس باشد و هیچ خانه‌ای را جا نینداز.
فاکتور و رسید خرید:
این فاکتور را بخوان و اقلام را به‌صورت جدول (کالا، تعداد، فی، مبلغ) بنویس. بعد جمع ستون مبلغ را خودت حساب کن و بگو با «جمع کل» فاکتور می‌خواند یا نه.
کارت ویزیت:
اطلاعات این کارت ویزیت را جدا کن: نام، سمت، شرکت، شمارهٔ موبایل، تلفن ثابت، ایمیل، وب‌سایت و آدرس. هر مورد را در یک خط بنویس و اگر چیزی در کارت نیست، بنویس «ندارد».
اسکرین‌شات:
متن این اسکرین‌شات را بنویس. فقط محتوای اصلی را بیاور و دکمه‌ها، منوها و نوار بالای گوشی را حذف کن.
تبدیل عکس به فایل Word یا Excel:
متن این عکس‌ها را به ترتیب صفحه استخراج کن و یک فایل Word راست‌به‌چپ با همان عنوان‌ها و پاراگراف‌ها بساز.
جدول این عکس را استخراج کن و یک فایل اکسل (xlsx) راست‌به‌چپ از آن بساز. ردیف اول عنوان ستون‌ها باشد.
نتیجهٔ تست واقعی: چهار عکس، چهار خروجی
برای اینکه ببینیم تبدیل عکس به متن در عمل چقدر دقیق است، چهار عکس آزمایشی ساختیم و هرکدام را با یکی از پرامپت‌های بالا در چت نقطه فرستادیم. همهٔ تست‌ها با مدل پیش‌فرض چت، یعنی «نقطه ۱.۲»، انجام شد. هیچ‌کدام از این اسناد واقعی نیستند و اسم‌ها و اعداد ساختگی‌اند.
تست ۱: صفحهٔ کتاب چاپی فارسی
عکس یک صفحهٔ کتاب درسی که کمی کج روی میز افتاده بود، با عنوان، سه پاراگراف، یک فرمول شیمی و یک پرسش. پرامپت: «رونویسی دقیق متن چاپی».
فصل سوم — گیاهان و نور
۴۷
فتوسنتز چگونه انجام می‌شود؟
گیاهان سبز با کمک نور خورشید، آب و کربن‌دی‌اکسید، قند می‌سازند و اکسیژن آزاد می‌کنند. این فرایند در اندامک‌هایی به نام کلروپلاست انجام می‌شود که رنگیزهٔ سبزی به نام کلروفیل دارند.
معادلهٔ کلی فتوسنتز را می‌توان این‌طور نوشت:
6CO₂ + 6H₂O → C₆H₁₂O₆ + 6O₂
نکتهٔ مهم: سرعت فتوسنتز به سه عامل بستگی دارد: شدت نور، دما و مقدار کربن‌دی‌اکسید. اگر یکی از این عوامل کم باشد، افزایش دیگر عوامل چندانی اثر ندارد.
پرسش: چرا برگ گیاهانی که در سایه رشد می‌کنند معمولاً پهن‌تر است؟
نتیجه: عنوان، شمارهٔ صفحه، نیم‌فاصله‌ها، علامت «ـهٔ» و حتی فرمول شیمی با زیرنویس‌ها درست خوانده شد. فقط یک جابه‌جایی کوچک در ترتیب کلمه‌های یک جمله دیده شد («افزایش عوامل دیگر اثر چندانی ندارد» به‌صورت «افزایش دیگر عوامل چندانی اثر ندارد» آمد). کل کار حدود ۳۰ ثانیه طول کشید. همین نمونه نشان می‌دهد چرا مرور سریع خروجی، مخصوصاً در متن‌های رسمی، لازم است.
تست ۲: یادداشت دست‌نویس
یک یادداشت چهارخطی با خودکار آبی روی دفتر سیمی. پرامپت: «متنش را خط به خط تایپ کن و بعد یک فهرست کارهای مرتب از آن بساز».
متن یادداشت دست‌نویس شما:
- خرید فردا
- نان سنگک و دو کیلو سیب
- ساعت ۵ به مامان زنگ بزنم
- قبض گاز تا ۱۵ مهر
فهرست کارهای مرتب‌شده (به ترتیب و همراه جزئیات):
1. خرید نان سنگک
2. خرید دو کیلو سیب
3. تماس با مامان، ساعت ۵
4. پرداخت قبض گاز تا ۱۵ مهر
فایل Word شامل متن تایپ‌شده و جدول کارها ساخته شد: outputs/yaddasht-kar.docx
نتیجه: هر چهار خط بدون خطا خوانده شد و فهرست کارها هم درست ساخته شد. نکتهٔ جالب این بود که چت بدون اینکه خواسته باشیم، یک فایل Word هم با متن تایپ‌شده و جدول کارها ساخت. خط دست‌نویس خوانا و مرتب بود؛ دست‌خط‌های شکسته و ناخوانا طبیعتاً خطای بیشتری دارند.
تست ۳: فاکتور خرید
عکس یک فاکتور فروشگاهی ساختگی با پنج قلم کالا، تخفیف و مبلغ قابل پرداخت. پرامپت: «فاکتور و رسید خرید» (همان پرامپت بالا).
جدول اقلام فاکتور «سوپرمارکت نمونهٔ بهار» ساخته و در فایل زیر ذخیره شد:
outputs/faktor-sopermarket-bahar.xlsx
کالا | تعداد | فی (تومان) | مبلغ (تومان)
نان سنگک | ۲ | ۱۵,۰۰۰ | ۳۰,۰۰۰
شیر کم‌چرب ۱ لیتری | ۱ | ۴۸,۰۰۰ | ۴۸,۰۰۰
پنیر سفید ۴۰۰ گرمی | ۱ | ۱۱۲,۰۰۰ | ۱۱۲,۰۰۰
سیب قرمز (کیلو) | ۲ | ۶۵,۰۰۰ | ۱۳۰,۰۰۰
چای ایرانی ۴۵۰ گرمی | ۱ | ۲۸۵,۰۰۰ | ۲۸۵,۰۰۰
جمع ستون مبلغ = ۶۰۵,۰۰۰ تومان
فاکتور درست می‌خواند:
- جمع کل محاسبه‌شده (۶۰۵,۰۰۰) دقیقاً با «جمع کل» چاپ‌شده روی فاکتور یکی است.
- با کسر تخفیف ۲۵,۰۰۰ تومان، عدد «قابل پرداخت» هم ۵۸۰,۰۰۰ تومان درمی‌آید که با رقم روی فاکتور مطابقت کامل دارد.
نتیجه: هر پنج قلم، تعدادها، قیمت‌ها و مبلغ‌ها بدون خطا خوانده شد و جمع ستون مبلغ هم درست کنترل شد. چت علاوه بر جواب متنی، یک فایل اکسل هم ساخت که در آن مبلغ هر ردیف و جمع کل با فرمول زندهٔ اکسل (مثل SUM) حساب می‌شود؛ یعنی اگر عددی را عوض کنید، جمع خودش به‌روز می‌شود.
تست ۴: اسکرین‌شات جدول به فایل اکسل
اسکرین‌شات یک جدول برنامهٔ کلاسی با پنج ستون و پنج ردیف. پرامپت: «جدول این اسکرین‌شات را دقیقاً با همان ستون‌ها و ردیف‌ها استخراج کن و یک فایل اکسل (xlsx) راست‌به‌چپ از آن بساز».
فایل اکسل راست‌به‌چپ با جدول دقیق (ستون‌های روز، درس، ساعت، محل، استاد و ۵ ردیف برنامه کلاسی) ساخته شد.
خروجی: outputs/barname-kelasi.xlsx
محتوای فایل barname-kelasi.xlsx (شیت راست‌به‌چپ):
روز | درس | ساعت | محل | استاد
شنبه | ریاضی ۲ | ۸:۰۰ تا ۱۰:۰۰ | کلاس ۱۰۴ | دکتر رضایی
شنبه | فیزیک ۱ | ۱۰:۳۰ تا ۱۲:۳۰ | کلاس ۲۱۲ | دکتر کاظمی
یکشنبه | ادبیات فارسی | ۸:۰۰ تا ۱۰:۰۰ | کلاس ۱۰۸ | خانم نوری
دوشنبه | زبان انگلیسی | ۱۴:۰۰ تا ۱۶:۰۰ | سایت ۲ | آقای صادقی
سه‌شنبه | آمار و احتمال | ۱۰:۳۰ تا ۱۲:۳۰ | کلاس ۱۰۴ | دکتر رضایی
نتیجه: فایل اکسل در حدود نیم دقیقه ساخته شد. ما فایل را باز کردیم و هر ۲۵ خانهٔ جدول را با اسکرین‌شات مقایسه کردیم: همه درست بودند و شیت هم راست‌به‌چپ تنظیم شده بود. فقط عنوان بالای جدول («برنامهٔ کلاسی نیم‌سال اول») وارد فایل نشد، چون در پرامپت فقط خود جدول را خواسته بودیم.
کاربردهای تبدیل عکس به متن
جزوه و کتاب درسی
از صفحه‌های جزوهٔ کلاس یا کتاب عکس بگیرید و متن تایپی بگیرید تا بتوانید آن را خلاصه کنید، از آن سؤال بسازید یا در فایل خودتان ویرایشش کنید. اگر جزوه دست‌نویس است، هر صفحه را جدا و از نزدیک عکاسی کنید.
فاکتور، رسید و قبض
اقلام و مبلغ‌ها را به جدول تبدیل کنید، جمع‌ها را کنترل کنید و چند فاکتور را در یک فایل اکسل کنار هم بگذارید. برای تحلیل‌های مالی جدی‌تر، صفحهٔ هوش مصنوعی حسابداری نقطه هم کمک می‌کند.
کارت ویزیت
به‌جای تایپ دستی شماره و ایمیل، از کارت عکس بگیرید و بخواهید اطلاعات را به‌صورت جداگانه یا در قالب یک ردیف اکسل برای فهرست مخاطبان بنویسد.
اسکرین‌شات
متن پیام، پست، صفحهٔ سایت یا پیغام خطای یک برنامه را از اسکرین‌شات بیرون بکشید. برای پیغام خطا می‌توانید همان‌جا بپرسید معنی‌اش چیست و چطور برطرف می‌شود.
یادداشت دست‌نویس
یادداشت‌های جلسه، فهرست خرید یا دست‌نوشته‌های قدیمی را به متن تایپی تبدیل کنید و از آن فهرست کار، صورت‌جلسه یا متن مرتب بسازید.
متن انگلیسی و دوزبانه
همهٔ این کارها برای متن انگلیسی و متن‌های دوزبانه هم انجام می‌شود. کافی است در پرامپت بگویید متن را به همان زبان اصلی بنویسد.
ترجمهٔ متن داخل عکس
اگر هدفتان فقط خواندن متن نیست و می‌خواهید متن یک منو، تابلو، بسته‌بندی یا اسکرین‌شات انگلیسی را به فارسی بفهمید، راهنمای جداگانه‌ای برایش داریم: ترجمه عکس با هوش مصنوعی. در آنجا می‌بینید چطور متن عکس را مستقیم ترجمه کنید، بدون اینکه اول آن را تایپ کنید.
چطور دقت تبدیل عکس به متن را بالا ببریم؟
از نزدیک عکاسی کنید. عکس پیش از تحلیل کوچک می‌شود؛ پس اگر یک صفحهٔ A4 پر از متن ریز دارید، آن را در دو عکس (نیمهٔ بالا و پایین) بفرستید.
هر صفحه یک عکس. چند صفحه را در یک عکس جا ندهید؛ چند عکس جدا بفرستید و بگویید به ترتیب بخواند.
نور یکنواخت. فلاش روی کاغذ براق انعکاس می‌سازد؛ نور پنجره معمولاً بهترین نتیجه را می‌دهد.
بگویید حدس نزند. جملهٔ «اگر کلمه‌ای خوانا نیست، [ناخوانا] بگذار» جلوی کلمه‌سازی مدل را می‌گیرد.
عددها را جدا کنترل کنید. در فاکتور و جدول، از چت بخواهید جمع‌ها را دوباره حساب کند تا اشتباه خواندن یک رقم زود معلوم شود.
قبل از ارسال، عکس را برش بزنید. هرچه حاشیهٔ اضافه کمتر باشد، تمرکز مدل روی متن بیشتر است.
محدودیت‌ها و اشتباهات رایج
هوش مصنوعی متن عکس را خیلی خوب می‌خواند، اما بی‌خطا نیست. این موارد را در نظر داشته باشید:
کلمه‌سازی در بخش‌های ناخوانا: اگر بخشی از عکس تار یا پاره باشد، مدل ممکن است کلمه‌ای باورپذیر اما نادرست جایگزین کند. برای همین در پرامپت بخواهید بخش‌های ناخوانا را علامت بزند.
جابه‌جایی کلمه‌ها: همان‌طور که در تست اول دیدید، گاهی ترتیب کلمه‌های یک جمله کمی تغییر می‌کند. برای متن رسمی، حقوقی یا نقل‌قول، خروجی را با عکس مقایسه کنید.
دست‌خط ناخوانا: خط خوانا تقریباً بی‌خطا خوانده می‌شود، اما دست‌خط شکسته، تند یا کم‌رنگ خطای بیشتری دارد.
جدول‌های پیچیده: خانه‌های ادغام‌شده، جدول‌های چندسطحی و ستون‌های بدون خط جداکننده ممکن است جابه‌جا شوند. بعد از استخراج، تعداد ردیف‌ها و ستون‌ها را چک کنید.
فرمول‌ها و نمادهای خاص: فرمول‌های ساده درست خوانده می‌شوند، اما معادله‌های طولانی ریاضی را حتماً بازبینی کنید.
حریم خصوصی: چه عکس‌هایی را نفرستیم؟
عکسی که در چت می‌فرستید در فضای پروژهٔ شما ذخیره می‌شود تا مدل بتواند آن را بخواند. چند احتیاط ساده را رعایت کنید:
عکس کارت بانکی، رمز دوم، کد CVV2 و رمزهای یک‌بارمصرف را هرگز در هیچ چت و سرویس آنلاینی نفرستید.
اگر فقط بخشی از یک سند را لازم دارید، قبل از ارسال بقیهٔ آن را برش بزنید یا بپوشانید؛ مثلاً کد ملی یا شمارهٔ حساب.
برای اسناد محرمانهٔ شرکت یا مشتری، اول مطمئن شوید اجازهٔ پردازش آن را در سرویس‌های آنلاین دارید.
گفتگوهایی را که دیگر لازم ندارید، از فهرست گفتگوها حذف کنید.
جمع‌بندی
تبدیل عکس به متن با هوش مصنوعی دیگر فقط کپی کردن چند کلمهٔ انگلیسی نیست. با یک چت فارسی می‌توانید از صفحهٔ کتاب، جزوه، دست‌نویس، فاکتور، کارت ویزیت و اسکرین‌شات، متن مرتب، جدول و حتی فایل Word و Excel بگیرید. کافی است عکس واضح بگیرید، دقیق بگویید چه خروجی‌ای می‌خواهید و عددها و جمله‌های مهم را یک بار با عکس مقایسه کنید.
