Here is the source git.
https://github.com/NChanko/Myanmar-Ebook-OCR
အရင်ဆုံး brew ကို install လုပ်ရပါ့မယ်။
Terminal မှာ ဒီ command ကို paste လုပ်ပြီး enter ခေါက်ပါ။
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
Brew ကို install ပြီးသွားရင်
brew install poppler
နဲ့
brew install tesseract
ကို ထပ်ပြီး install ပေးပါ။
Tesseract OCR မှာ မြန်မာစာ အတွက် မပါသေးတော့ မြန်မာစာအတွက် ထပ်ပြီး install ပေးရပါမယ်။
brew install tesseract-lang
အဲ့တာပြီးရင်တော့ input_pdf folder ထဲမှာ ပြောင်းချင်တဲ့ pdf file ကိုထည့်ပြီး
pdf_to_text.sh ကို run လိုက်ရင် ရပါပြီ။
မြန်မာစာ OCR အတွက် fine tuned လုပ်ထားတဲ့ trained data အတွက် ဒီဟာလေးလည်း တွေ့လို့ ထပ်ဖြည့်ထားလိုက်တယ်။ ဒီကောင်ကို
/usr/local/Cellar ထဲက tesseract folder ထဲက language ထဲမှာ override လုပ်ပေးလိုက်ရင်ရပါပြီ။ မူရင်းဖိုင်ကိုတော့ override မလုပ်ခင် backup လုပ်ထားစေချင်တယ်။
မြန်မာအက္ခရာစဉ်ရာတွင် ၁။ ဗျည်းအက္ခရာစဉ် ၂။ ဗျည်းတွဲ ၃။ သရကာရန် ၄။ အသတ်ကာရန် ဟူ၍ ၄ ဆင့်ရှိပါသည်။ ၁။ ဗျည်းအက္ခရာစဉ် ****************** ဗျည်းအက္ခရာ စဉ်ရာတွင် က မှ အ အထိ အစဉ်လိုက်သာဖြစ်သည်။ မှတ်သားရန်မှာ ဉကလေးကို ညကြီးရှေ့တွင် စဉ်ရသည်။ ဥပမာ >>>ဗျည်းစဉ်များကို သိရန် အောက်ပါစာများကို အက္ခရာစဉ်ကြည့်ပါ။ အိတ်ကပ်၊ ခါသာ၊ မာလာ၊ ငါးသိုင်း၊ ဉာဏ၊ ညအခါ၊ ကတိ။ ကတိ၊ ခါသာ၊ ငါးသိုင်း၊ ဉာဏ၊ ညအခါ၊ မာလာ၊ အိတ်ကပ်။ ဟု အဖြေရပါသည်<<< ၂။ ဗျည်းတွဲ ********** ပင့်၊ရစ်၊ဆွဲ၊ထိုး သည် ယ၊ရ၊ဝ၊ဟ ၏ စာလုံးဆင့်ပုံစံ ဖြစ်ပါသည်။ ထို့ကြောင့် ယ၊ရ၊ဝ၊ဟ အစဉ်လိုက်အတိုင်းစဉ်ရသည်။ ကျ၊ကြ၊ကှ၊ကွ။ ကျွ၊ ကြွ။ ကျှ၊ကြှ၊ကွှ။ ကျွှ၊ကြွှ။ (ကဗျည်းနှင့် ပေါင်းပြထားပါသည်) ရှင်းအောင်ပြရပါက ကျ=က ယ။ ကြ=က ရ။ ကှ=က ဟ။ ကွ=က ဝ ကျွ=က ယ ဝ။ ကြွ=က ရ ဝ ကျှ=က ယ ဟ။ ကြှ=က ရ ဟ။ ကွှ=က ဝ ဟ ကျွှ=က ယ ဝ ဟ။ ကြွှ=က ရ ဝ ဟ ဖြစ်ပါသည်။ ဥပမာ >>>မျောက်ကြီး၊ မွဲတေ၊ မျှတ၊ မြို့မ၊ မှတ်ခြင်၊ မြွေပါ၊ မွှေးပျံ့။ မျောက်ကြီး၊ မြို့မ၊ မွဲတေ၊ မှတ်ခြင်၊ မြွေပါ၊ မျှတ၊ မွှေးပျံ့။ <<< ...
Comments
Post a Comment