สิ่งที่สร้าง
บริการ FastAPI ที่อ่าน text layer ก่อน ถ้าเป็นภาพสแกนจึงทำความสะอาดภาพแล้วส่ง OCR คืนผลเป็นข้อความ hOCR หรือ PDF ที่ค้นหาได้
ฟีเจอร์หลัก
- POST /extract เลือกหน้า โหมด engine และรูปแบบผลลัพธ์
- ทางลัดสำหรับ PDF ที่มี text layer อยู่แล้ว
- OCR ไทย/อังกฤษสำหรับหน้าสแกน
- hOCR พร้อมพิกัด และ PDF ที่ค้นหาได้
- สคริปต์ CLI สำหรับ n8n Execute Command
เบื้องหลังทางเทคนิค
- ถ้า text layer มี 200 ตัวอักษรหรือน้อยกว่า ถือว่าเป็นหน้าสแกนแล้วส่ง OCR
- ทำความสะอาดภาพ: 300 DPI แก้เอียง หมุนให้ถูก adaptive threshold และลบเส้นตาราง
- เรียก Typhoon OCR 3B บน Ollama ผ่าน API แบบ OpenAI-compatible