Extracteur de texte PDF / images
Les fichiers PDF se présentent généralement sous deux formats :
- PDF à une seule couche : chaque page est une image. Chaque caractère que vous voyez est en réalité un pixel, que vous ne pouvez ni sélectionner ni copier, et qui n'est pas recherchable.
- PDF à double couche : l'image constitue la couche inférieure, sur laquelle est superposée une couche de texte transparente issue de la reconnaissance. Il vous apparaît identique à un fichier à une seule couche, mais vous pouvez sélectionner le texte, le copier-coller et le rechercher avec Ctrl+F. Il est généralement généré par un logiciel d'OCR.
Pour les fichiers PDF à double couche, le système peut lire directement le contenu textuel, afin de l'utiliser pour l'écriture par IA.
Pour les fichiers PDF à une seule couche, il faut d'abord utiliser cet outil pour reconnaître et extraire le texte des images, puis l'enregistrer comme document de référence. Ce processus est généralement appelé Optical Character Recognition (reconnaissance optique de caractères, en abrégé OCR).
Cet outil fait appel aux interfaces techniques de fournisseurs tiers tels qu'« Alibaba Cloud » pour extraire le texte des PDF à une seule couche.
Remarque :
- L'exhaustivité et l'exactitude du texte extrait par OCR dépendent de nombreux facteurs, notamment la netteté des polices dans le fichier d'origine et la complexité de la mise en page. Même les technologies OCR les plus avancées ne permettent pas encore aujourd'hui une extraction parfaitement complète et exacte de tous les contenus. Par conséquent, selon le niveau d'exigence que vous avez pour les documents de référence utilisés dans la création par IA, vous devrez peut-être vérifier plus avant le contenu extrait.
- Les fournisseurs de technologies OCR facturent généralement au nombre de pages, chaque page pouvant coûter quelques centimes, ce qui en fait un service relativement coûteux. Pour les clients en essai, le système ne propose pas de quota gratuit.
- Vous pouvez également utiliser de nombreux autres outils ou produits OCR pour extraire le texte de fichiers PDF à une seule couche.
Polisseur d'articles
Généralement, les articles créés par l'IA présentent toujours plus ou moins des caractéristiques de création machine, et diffèrent de la création humaine par le style grammatical, la structure formelle et divers autres aspects.
Au cours du processus de création par IA, le système a déjà recours à diverses techniques pour optimiser et éliminer autant que possible ces caractéristiques de création machine. Toutefois, si le contenu du livre créé par IA ne vous satisfait toujours pas, vous pouvez utiliser cet outil pour le retravailler et le polir davantage.
Outre le polissage du contenu des chapitres d'un livre, vous pouvez également coller d'autres textes dans cet outil pour les polir.
Remarque :
- Vous pouvez importer directement dans cet outil un chapitre d'un livre créé par IA, ou coller directement d'autres textes, mais la longueur totale du texte à polir est limitée à 10 000 caractères par opération ;
- Le contenu poli peut être exporté au format Word ou Markdown, mais il n'est pas possible de le réécrire directement dans le livre pour remplacer le contenu du chapitre d'origine (cela risquerait de nuire au style et à la structure du livre) ;
- L'outil de polissage consomme également un certain quota de Tokens (vous pouvez consulter l'historique de consommation dans le journal des appels IA).
- Cet outil s'appuie principalement sur la technologie Humanizer développée par Siqi Chen.