مستخرج النصوص من PDF / الصور
عادةً ما تكون ملفات PDF من نوعين:
- PDF أحادي الطبقة: كل صفحة هي صورة واحدة. كل حرف تراه هو في الحقيقة بكسل، ولا يمكن تحديده أو نسخه أو البحث عنه.
- PDF ثنائي الطبقات: الطبقة السفلية صورة، وفوقها طبقة نصية شفافة ناتجة عن التعرف الضوئي. يبدو لك مثل الملف أحادي الطبقة، لكن يمكنك تحديد النص ونسخه ولصقه والبحث عنه عبر Ctrl+F. يُنشأ عادةً بواسطة برامج OCR.
بالنسبة إلى ملفات PDF ثنائية الطبقات، يمكن للنظام قراءة محتوى النص مباشرةً واستخدامه في الكتابة بالذكاء الاصطناعي.
أما ملفات PDF أحادية الطبقة، فيلزم أولاً استخدام هذه الأداة للتعرف على النص الموجود في الصور واستخراجه وحفظه كمواد مرجعية. تُعرف هذه العملية عادةً باسم Optical Character Recognition (التعرف الضوئي على الحروف، ويُختصر إلى OCR).
تستدعي هذه الأداة واجهات تقنية لدى مزودين خارجيين مثل Alibaba Cloud لاستخراج النص من ملفات PDF أحادية الطبقة.
ملاحظة:
- تعتمد اكتمال ودقة النص المستخرج عبر OCR على عوامل متعددة، مثل وضوح الخطوط في الملف الأصلي وتعقيد التنسيق. وحتى أحدث تقنيات OCR لا تستطيع حالياً ضمان استخراج كل المحتوى بشكل كامل ودقيق. لذلك، ووفقاً لمدى صرامة متطلباتك تجاه المواد المرجعية المستخدمة في الإنشاء بالذكاء الاصطناعي، قد تحتاج إلى التحقق من المحتوى المستخرج مرة أخرى.
- تتقاضى شركات تقنيات OCR عادةً رسوماً بحسب عدد الصفحات؛ قد تبلغ تكلفة الصفحة الواحدة بضعة سنتات أو كسوراً صغيرة من اليوان، وهي خدمة مرتفعة التكلفة نسبياً. ولا يوفر هذا النظام حصة مجانية للعملاء التجريبيين.
- يمكنك أيضاً استخدام العديد من أدوات أو منتجات OCR الأخرى لاستخراج النص من ملفات PDF أحادية الطبقة.
أداة تحسين المقالات
عادةً ما تحمل المقالات التي ينشئها الذكاء الاصطناعي، بدرجة أو بأخرى، سمات إنشاء آلي، وتختلف عن الكتابة البشرية في الأسلوب النحوي والبنية التحريرية وغير ذلك من الجوانب.
خلال عملية الإنشاء بالذكاء الاصطناعي، يستخدم النظام تقنيات متعددة لتحسين هذه السمات الآلية وإزالتها قدر الإمكان. ولكن إذا لم تكن راضياً بعد عن محتوى الكتاب الذي أنشأه الذكاء الاصطناعي، فيمكنك استخدام هذه الأداة لمزيد من المعالجة والتحسين.
بالإضافة إلى تحسين محتوى فصول الكتاب، يمكنك أيضاً لصق نصوص أخرى في هذه الأداة لتحسينها.
ملاحظة:
- يمكنك استيراد فصل معين من كتاب أنشأه الذكاء الاصطناعي مباشرةً في هذه الأداة، أو لصق نص آخر مباشرةً، لكن الحد الأقصى لطول النص في كل عملية تحسين هو 10000 حرف؛
- يمكن تصدير المحتوى بعد التحسين كملف Word أو Markdown، لكن لا يدعم النظام كتابته مباشرةً مرة أخرى في الكتاب لاستبدال محتوى الفصل الأصلي (فقد يؤدي ذلك إلى الإضرار بأسلوب الكتاب الأصلي وبنيته)؛
- تستهلك أداة التحسين أيضاً جزءاً من حصة Token (يمكنك عرض سجل الاستهلاك في سجل استدعاءات AI).
- تستخدم هذه الأداة بشكل أساسي تقنية Humanizer التي طوّرها Siqi Chen.