Hva vil du gjøre?
Hent teksten ut av bilder av boksider, eller få et ferdig manus lest inn som podkast.
Bilder og tekst
Snu bildene riktig vei, del oppslag ved bokryggen og hent ut teksten med OCR.
Tekst til tale
Lim inn et manus med én til tre verter og få en podkast. Hver replikk står på egen linje med navnet foran: «Anna: Velkommen!» Eller lim inn tekst fra boken og få en lydbok, med fotnotene i [hakeparentes].
Autoroter bilder
Programmet gjenkjenner hvilken vei teksten på bildene dine er og retter opp orientasjonen til teksten.
Slipp bildene eller hele mappa her, eller velg dem nedenfor.
0 / 0 behandlet
Bildesjekk
Tekstgjenkjenning
Velg Google Layout Parser, Google Document OCR eller begge. Med begge får du to tolkninger av de samme sidene og en fil som viser uenighet. Det hjelper deg å finne mulige feil; også tekst de er enige om kan trenge kontroll.
?
?
?
Retter krumme linjer mot bokryggen og fjerner skygge. Gjør ingenting med sider som alt er rette. Originalfilene beholdes.
Gjelder Document OCR. Sider med linjer i feil rekkefølge, mye usikker tekst eller skjev vinkel sendes én gang til med sterkere oppretting, og den beste versjonen brukes. Koster nesten ingenting.
Sidekontroll
Last ned teksten
Svaret fra Google ligger lagret, så du kan laste ned så mange ganger du vil uten å betale igjen.Ferdig tekst
Teksten i lesefølge, med de ryddejobbene som er til å stole på. Fotnoter og margstikkord blir stående der Google satte dem.
?
Rå utdata
Alt Google gjenkjente, side for side, uten at noe er fjernet, flyttet eller slått sammen – til å rette i selv. Én ZIP-fil med teksten som ren tekst med et skille for hver side, alle tekstblokkene med plassering, Googles svar nøyaktig slik de kom, og en forklaring av filene.
Kun i råfilene, så samme side er enkel å finne igjen på tvers av OCR-forsøk.
Sammenlikning av Layout Parser og Document OCR
Hvert sted de to leste ulikt, med teksten rundt. CSV-fila åpnes rett i Excel. Den ligger også i den rå utdataen.
Innstillinger
Finner bokryggen og kutter mellom sidene
Ser på flere utsnitt av hvert bilde og retter linjene finere før OCR. Tar lengre tid.
Slik avgjøres retningen: bildet gjøres om til svart/hvitt med lokal terskel, så skygger over siden ikke lurer det. Deretter telles blekket opp på tvers, i ni små hellingsvinkler, og den vinkelen som gir skarpest tekstlinjer vinner — derfor tåler det et bilde tatt på skrå. Hvilken vei som er opp, leses av mellomrommene mellom linjene: rett over neste linje står b, d, h og l, mens det under grunnlinja bare er g, j, p, q og y. Sider uten tydelig tekst lar programmet stå urørt og merker dem til gjennomsyn.
Andre runde: er første runde usikker, kjøres bildet en gang til — på hver boksider for seg, på midten og på hele bildet, med flere piksler per tekstlinje. Utsnittene stemmer over retningen, og ingen enkeltstemme får overkjøre et flertall. Det er dette som redder et helt oppslag fotografert på én gang, der teksten blir for liten til at over- og underlengder skiller seg ut. Bilder som er behandlet slik er merket 2×.
Bokryggen: renna mellom to boksider finnes ved å måle hvor mye bildet skifter fra punkt til punkt. Tekst er full av overganger; både den hvite innermargen og den glatte skyggen nede i bokryggen er nesten uten. Programmet leter etter den roligste smale stripa nær midten, med tekst på begge sider, over en vifte av helninger — så det tåler at boka ligger på skrå. Bildet dreies så bokryggen står loddrett før det deles, og da blir tekstlinjene rette på kjøpet.
Video og Live Photos: .mov og andre videofiler tas aldri med. Av et Live Photo brukes bare stillbildet — bevegelsesdelen blir liggende igjen.
HEIC: iPhone lagrer bilder som HEIC med mindre du har bedt den la være, og de leses her i full oppløsning. Safari klarer formatet selv. Chrome, Edge og Firefox gjør det ikke, så der pakkes bildene ut med en dekoder på rundt 1 MB som hentes første gang du legger inn en HEIC-fil. Det koster tid: et bilde på tolv megapiksler tar noen sekunder mot brøkdelen av ett for en JPEG. Flere bilder pakkes ut samtidig, og de neste settes i gang mens du venter, så et stort knippe går fortere enn tallet per bilde skulle tilsi.
Andre runde: er første runde usikker, kjøres bildet en gang til — på hver boksider for seg, på midten og på hele bildet, med flere piksler per tekstlinje. Utsnittene stemmer over retningen, og ingen enkeltstemme får overkjøre et flertall. Det er dette som redder et helt oppslag fotografert på én gang, der teksten blir for liten til at over- og underlengder skiller seg ut. Bilder som er behandlet slik er merket 2×.
Bokryggen: renna mellom to boksider finnes ved å måle hvor mye bildet skifter fra punkt til punkt. Tekst er full av overganger; både den hvite innermargen og den glatte skyggen nede i bokryggen er nesten uten. Programmet leter etter den roligste smale stripa nær midten, med tekst på begge sider, over en vifte av helninger — så det tåler at boka ligger på skrå. Bildet dreies så bokryggen står loddrett før det deles, og da blir tekstlinjene rette på kjøpet.
Video og Live Photos: .mov og andre videofiler tas aldri med. Av et Live Photo brukes bare stillbildet — bevegelsesdelen blir liggende igjen.
HEIC: iPhone lagrer bilder som HEIC med mindre du har bedt den la være, og de leses her i full oppløsning. Safari klarer formatet selv. Chrome, Edge og Firefox gjør det ikke, så der pakkes bildene ut med en dekoder på rundt 1 MB som hentes første gang du legger inn en HEIC-fil. Det koster tid: et bilde på tolv megapiksler tar noen sekunder mot brøkdelen av ett for en JPEG. Flere bilder pakkes ut samtidig, og de neste settes i gang mens du venter, så et stort knippe går fortere enn tallet per bilde skulle tilsi.
Manus
Slik limer du inn teksten fra boken
- Lim inn teksten slik den står i boken, gjerne rett fra tekstgjenkjenningen. Ord som er delt over linjeskift, settes sammen av seg selv.
- Fotnoter står i hakeparentes der de hører hjemme:
… gjeldende rett.[12 Se forarbeidene s. 17.] Videre …Tallet først blir fotnotens nummer. Fotnoten leses etter setningen den står i, ikke midt i den. - Tom linje mellom avsnitt. En linje som begynner med
#, blir en overskrift som leses opp og starter et nytt spor. - Hele sider fra tekstgjenkjenningen går fint. Teksten deles opp av seg selv, og hver bit lagres når den er ferdig.
Slik limer du inn teksten
- Én replikk per linje, med vertens navn og kolon først:
Anna: Velkommen! I dag skal vi snakke om maktfordelingen. Jonas: Altså at statsmakten deles mellom flere organer? Anna: Nettopp.
- Én til tre verter. Skriv navnet likt hver gang, med stor forbokstav. To verter gir den mest naturlige samtalen.
- En lang replikk kan gå over flere linjer. Linjer uten navn hører til replikken over.
- Ingen overskrifter eller vanlige sceneanvisninger. Linjer som begynner med
#hoppes over, og fet skrift fra Markdown fjernes av seg selv. - Forkortelser og lovhenvisninger: vanlige forkortelser (som
§,jf.,Grl.,Rt.og engelskev.i sakenavn) gjøres om til hele ord av seg selv, men flyter aller best når du skriver dem naturlig inn i setningen.
Lager du manuset i et annet KI-program? Gi det denne beskjeden sammen med teksten, så kommer manuset i riktig form og med muntlig språk. Bytt gjerne navnene.
Du kan også slippe en .txt- eller .md-fil hvor som helst på siden.
Slik skriver du manuset så det høres mer menneskelig ut
- Skriv for øret, ikke for øyet: Gemini styrer tonefallet ut fra selve ordvalget. Lange, skriftlige avsnitt gir flatt opplesningstonefall. Del heller stoffet opp i korte vekslinger (1–3 setninger) med naturlige innskudd og bekreftelser fra den andre verten («Akkurat», «Ikke sant?», «Men vent litt –» på norsk, eller «Right, exactly.», «Wait – so …» og muntlige sammentrekninger som «we're», «don't» og «it's» på engelsk).
- Styr pust, nøling og trykk med tegnsetting: tankestrek (
–) og tre prikker (…) gir en naturlig liten tenkepause midt i setningen, og ett enkelt nøkkelord i STORE BOKSTAVER (som «Det gjelder BARE når …» / «That ONLY applies when …») legger naturlig taletrykk på akkurat det ordet. - Bruk Googles innebygde lydmerker sparsomt (kun i Gemini): disse merkene i hakeparentes leses ikke høyt som ord, men blir til små menneskelige lyder og pauser i talen:
[uhm](kort, naturlig tenkelyd),[short pause]/[medium pause]/[long pause](styrte pauser),[laughing](lett, varm humring),[sigh](lite sukk) og[whispering](dempet stemme). Skriver du[ehm],[kort pause],[ler]eller[sukker], gjør siden dem automatisk om til Googles engelske merker. Unngå andre ord i hakeparentes (som[ivrig]eller[curious]) – ukjente ord i hakeparentes tolker Google som vanlig tekst og leser rett opp høyt! - Skriv tall, paragrafer og sakenavn slik folk sier dem: vanlige forkortelser (
§,jf.,Grl.,strl.,Rt.,s.,f.eks.,e.g.,i.e.) og engelske sakenavn (Donoghue v Stevenson→ «Donoghue and Stevenson» på britisk,R v Smith→ «the Crown against Smith», ogv.→ «versus» på amerikansk) utvides automatisk her på siden, men høres enda bedre ut når du fletter dem naturlig inn i replikken.
Fotnoter
Stemmer og regi
?