نمونه کار PolyglotVision OCR - استخراج متن از تصویر

PolyglotVision OCR یک اپلیکیشن وب چندسکویی و آماده برای محیط عملیاتی است که قابلیت تشخیص نوری کاراکتر (OCR) هوشمند با شناسایی خودکار زبان را فراهم می‌کند. این سیستم که با زبان Go مدرن و با استفاده از Kreuzberg FFI ساخته شده، به‌صورت یکپارچه متن را از فرمت‌های متنوع اسناد شامل تصاویر، PDF و اسناد Word استخراج می‌کند و به‌طور ویژه برای محتوای چندزبانه شامل فارسی و انگلیسی بهینه‌سازی شده است. بک‌اند: Go 1.25.1 - بک‌اند با عملکرد بالا و پردازش همزمان Kreuzberg FFI v4.9.8 - بایندینگ‌های موتور OCR بومی (Tesseract + ONNX Runtime) Extractous - فریم‌ورک استخراج اسناد یونیورسال CGO - یکپارچه‌سازی بومی C/FFI برای سازگاری چندسکویی موتور OCR: Tesseract OCR - موتور تشخیص متن متن‌باز با لایسنس Apache 2.0 ONNX Runtime - موتور استنتاج هوش مصنوعی مایکروسافت برای تشخیص مبتنی بر ML قالب‌های تطبیقی - طبقه‌بندی از پیش تطبیق‌یافته برای دقت بالاتر مدل‌های زبان N-gram - پیش‌بینی متن مبتنی بر زمینه فرانت‌اند: Vanilla JavaScript - پردازش سبک سمت کلاینت HTML5/CSS3 - طراحی مدرن واکنش‌گرا با رابط کاربری گرادیانت Go Templates - رندر سمت سرور با بایندینگ داده پویا کتابخانه‌های بومی (چندسکویی): Windows AMD64 (DLL + کتابخانه‌های استاتیک) Linux AMD64 (اشیای اشتراکی .so) macOS Intel و Apple Silicon (کتابخانه‌های .dylib) ویژگی‌های کلیدی ✅ شناسایی خودکار زبان - بدون نیاز به انتخاب دستی زبان ✅ پشتیبانی از فرمت‌های متعدد - تصاویر (PNG/JPG/GIF/BMP)، PDF، DOC/DOCX، RTF ✅ بهینه‌سازی دوزبانه - انگلیسی + فارسی با tessdata بومی ✅ چندسکویی - یک کدبیس برای Windows، Linux، macOS ✅ آماده محیط عملیاتی - مدیریت خطا، لاگ‌برداری، کاهش نرم خطاها ✅ رابط کاربری مدرن - طراحی واکنش‌گرا با بازخورد آپلود بلادرنگ ✅ بدون وابستگی خارجی - باینری‌های بومی خودکفا، بدون نیاز به نصب اضافی