Fungerer det på håndskrift?

Nei, ikke pålitelig. Tesseract er trent på trykt tekst og vil ofte gjette feil på håndskrevet materiale. For håndskrift trenger du spesialiserte modeller (f.eks. Google Cloud Vision, Azure Read API), men de krever opplasting og er ikke lokale.

Hvorfor tar det så lang tid første gang?

Første gang må Tesseract laste ned kjernebiblioteket (~2 MB WebAssembly) og språkmodellen (~3 MB per språk). Etterpå cache-es alt i nettleseren, så neste bilde med samme språk starter på under et sekund. På treg forbindelse kan første kjøring ta 10-30 sekunder.

Kan jeg få tabeller og layout bevart?

Delvis. Tesseract prøver å beholde linjeskift og avsnitt, men komplekse layouter som tabeller, spalter og fotnoter blir ofte flatet ut til én sammenhengende tekststrøm. For strukturerte data, prøv Tabula (PDF) eller kommersielle tjenester med layout-analyse.

Hva bør jeg gjøre hvis nøyaktigheten er dårlig?

Sjekk kildebildet: sørg for at det er høyoppløselig (minst 300 dpi ved skanning, 1200 px bredde ved foto), godt belyst, uten skygger og rett vinkel. Konverter til svart-hvitt med god kontrast før OCR. Fjern bakgrunnsstøy og pass på at teksten fyller mesteparten av bildet.

OCR online: Trekk ut tekst fra bilder lokalt

Om OCR-verktøyet

Tekstgjenkjenning kjører med Tesseract.js direkte i nettleseren din. Bildet ditt sendes aldri til en server. Ved første gangs bruk lastes språkmodellen ned (~3 MB per språk) fra et offentlig CDN, etter det skjer all gjenkjenning lokalt.

For best resultat: bruk skarpe bilder med god kontrast og tydelig, rett tekst.

Om dette verktøyet

OCR-verktøyet trekker tekst ut av bilder ved hjelp av Tesseract.js, en JavaScript-port av Googles åpne Tesseract-motor. Alt kjører i nettleseren din, ingen bilder lastes opp til noen server. Første gang du bruker et språk lastes en modell (ca. 3 MB) ned fra CDN og cache i nettleseren, deretter fungerer verktøyet også offline. Norsk (bokmål) og engelsk støttes, i tillegg til kombinasjonen «norsk + engelsk» for dokumenter med begge språk. Fungerer bra på trykt tekst, skjermbilder, skannede dokumenter og fotografier med god kontrast.

Slik bruker du det

Velg språk (norsk, engelsk, eller begge for blandet innhold).
Slipp et bilde (PNG, JPG, WebP) på filsonen eller klikk for å velge.
Vent mens språkmodellen lastes ned (kun første gang, ca. 3 MB per språk).
Kopier den utpakkede teksten fra tekstboksen når prosessen er ferdig.

Eksempler

Trekke ut tekst fra skjermbilde

InnPNG-skjermbilde av en artikkel med 300 ord, engelsk.

UtRen tekst med ca. 297 av 300 ord riktig gjenkjent. Avsnitt, mellomrom og linjeskift bevart rimelig godt.

Skjermbilder med rein, digital tekst gir best resultat (95-99 % nøyaktighet). Sørg for at bildet ikke er skalert ned til under 800 px bredde, ellers mister OCR-en detaljer.

Skannet norsk faktura

InnJPG 200 dpi av utskrift, norsk språk valgt.

UtTekst med rimelig nøyaktighet. Norske æ/ø/å håndteres når norsk språk er valgt. Tabelloppsett kan bli forvrengt.

Norsk språkmodell (nor.traineddata) inkluderer æ/ø/å. Bruk engelsk-modellen alene bare hvis du er sikker på at teksten er engelsk, ellers blir norske spesialtegn ofte feilgjenkjent.

Vanlige bruksområder

Trekke ut sitater fra bok- eller magasin-fotografier.
Konvertere skannede papirdokumenter til søkbar tekst.
Kopiere serienumre eller kontonumre fra fakturaer.
Gjøre skjermbilder fra videomøter til søkbar chat-historikk.
Fjerne behov for opplasting til usikre gratis online OCR-tjenester.

Ofte stilte spørsmål

Fungerer det på håndskrift?: Nei, ikke pålitelig. Tesseract er trent på trykt tekst og vil ofte gjette feil på håndskrevet materiale. For håndskrift trenger du spesialiserte modeller (f.eks. Google Cloud Vision, Azure Read API), men de krever opplasting og er ikke lokale.
Hvorfor tar det så lang tid første gang?: Første gang må Tesseract laste ned kjernebiblioteket (~2 MB WebAssembly) og språkmodellen (~3 MB per språk). Etterpå cache-es alt i nettleseren, så neste bilde med samme språk starter på under et sekund. På treg forbindelse kan første kjøring ta 10-30 sekunder.
Kan jeg få tabeller og layout bevart?: Delvis. Tesseract prøver å beholde linjeskift og avsnitt, men komplekse layouter som tabeller, spalter og fotnoter blir ofte flatet ut til én sammenhengende tekststrøm. For strukturerte data, prøv Tabula (PDF) eller kommersielle tjenester med layout-analyse.
Hva bør jeg gjøre hvis nøyaktigheten er dårlig?: Sjekk kildebildet: sørg for at det er høyoppløselig (minst 300 dpi ved skanning, 1200 px bredde ved foto), godt belyst, uten skygger og rett vinkel. Konverter til svart-hvitt med god kontrast før OCR. Fjern bakgrunnsstøy og pass på at teksten fyller mesteparten av bildet.

Teknisk bakgrunn

Tesseract.js er en JavaScript-port av Tesseract 4/5, som bruker LSTM-nevralnett for tekstlinjegjenkjenning. Motoren kompileres til WebAssembly for kjøring i nettleseren. Prosessen: bilde-blob leses til `ImageBitmap`, `Tesseract.recognize(image, lang, { logger })` starter en Web Worker, som laster `tesseract-core.wasm` fra CDN og aktuelle `nor.traineddata` / `eng.traineddata`-filer (kombinasjonen `nor+eng` laster begge). Bildet preprocesseres (grayscale, adaptive threshold), page segmentation deler opp linjer, hver linje kjøres gjennom LSTM-modellen for character-by-character prediksjon. Output er en `{data: {text, confidence, lines, words}}`-struktur, hvor `text` limes inn i textarea og confidence vises som progresjonsprosent.