รูปถ่ายเอกสารภาษาไทย ที่อ่านออกเสียงให้ฟังได้
มีคนยกใบกำกับภาษี ใบฟอร์มโรงพยาบาล หรือจดหมายจากหน่วยงานราชการขึ้นมา สิ่งที่เขาต้องการคือให้มีคนอ่านให้ฟัง และเรื่องนี้เป็นสินค้าสองตัวที่ไม่เคยมาเจอกันมาตลอด
ระบบแปลงข้อความเป็นเสียงตั้งสมมติฐานว่ามีคนพิมพ์คำเหล่านั้นไว้แล้ว ส่วนระบบอ่านตัวอักษรจากภาพส่งข้อความกลับมาเป็นกำแพงที่ไม่มีใครอยากนั่งมอง สิ่งที่ถูกขอจริง ๆ อยู่ตรงกลางระหว่างสองอย่างนั้น และการสร้างมันขึ้นมาที่ผ่านมาแปลว่าต้องเชื่อมผู้ให้บริการสองเจ้าที่ไม่เคยรู้จักกัน
ทั้งสองครึ่งอยู่ที่นี่ ในบัญชีเดียว หลังคีย์เดียว รูปถ่ายเข้าไป แล้วสิ่งที่ออกมาคือคำที่พูดออกเสียงได้ ด้วยเสียงที่คุณเลือก ในโทนที่เอกสารนั้นสมควรได้รับ นี่คือทั้งหมดของหน้านี้ และเป็นสิ่งเดียวบนเว็บนี้ที่โมเดลตัวใดตัวหนึ่งทำคนเดียวไม่ได้
เอกสารหนึ่งใบ ตั้งแต่ต้นจนจบ#
นี่คือเอกสารตัวอย่างที่หน้า OCR เผยแพร่ไว้ เป็นใบกำกับภาษีไทยที่จัดหน้าเหมือนของจริง ด้านล่างคือสิ่งที่โมเดลอ่านออกมาเอง บันทึกและตรึงไว้ และถัดลงไปคือเสียงของการอ่านนั้น

ใบกำกับภาษี เล่มที่ 001 เลขที่ 0042 วันที่ ๓๐ มิถุนายน ๒๕๖๙ จำนวนเงินรวมทั้งสิ้น หนึ่งพันเจ็ดร้อยหกสิบห้าบาทห้าสิบสตางค์
หัวเอกสารและยอดรวมของมันเอง อ่านออกเสียง เลขไทยกับจำนวนเงินที่สะกดเป็นตัวหนังสือคือสองสิ่งที่ใบกำกับภาษีไทยทำให้ยาก และทั้งสองอย่างอยู่ในบรรทัดนี้
# บริษัท ศตวรรษการค้า จำกัด (สำนักงานใหญ่)
๙๙ ถนนพระราม ๙ แขวงห้วยขวาง เขตห้วยขวาง กรุงเทพมหานคร ๑๐๓๑๐
เลขประจำตัวผู้เสียภาษี 0 1055 64078 12 7
# ใบกำกับภาษี
TAX INVOICE
ต้นฉบับ
เล่มที่ 001 เลขที่ 0042
วันที่ ๓๐ มิถุนายน ๒๕๖๙
ชื่อผู้ซื้อ | บริษัท กรุณาไทย จำกัด
--- | ---
ที่อยู่ | ๑๒๓ ซอยสุขุมวิท ๖๓ แขวงคลองตันเหนือ เขตวัฒนา กรุงเทพมหานคร ๑๐๑๑๐
เลขประจำตัวผู้เสียภาษี | 0 1055 61045 67 8
| ลำดับ | รายการ | จำนวน | หน่วยละ | จำนวนเงิน |
| --- | --- | --- | --- | --- |
| ๑ | เสื้อโปโลพนักงานปักโลโก้ | ๑๒ | 120.00 | 1,440.00 |
| ๒ | แก้วเซรามิกพิมพ์ลาย | ๕ | 30.00 | 150.00 |
| ๓ | กล่องบรรจุภัณฑ์ | ๓ | 20.00 | 60.00 |
| | | | รวมเงิน | 1,650.00 |
| --- | --- | --- | --- | --- |
| | | | ภาษีมูลค่าเพิ่ม 7% | 115.50 |
| | | | จำนวนเงินรวมทั้งสิ้น | 1,765.50 |
( หนึ่งพันเจ็ดร้อยหกสิบห้าบาทห้าสิบสตางค์ )บันทึกไว้ตามที่ได้มาทุกตัวอักษร รวมถึงจุดที่อ่านผิดด้วย ไม่มีอะไรในนี้ถูกแก้ด้วยมือ
สามขั้นตอน หนึ่งบัญชี#
คนที่ถ่ายรูปไม่จำเป็นต้องรู้เรื่องพวกนี้เลย มันอยู่ตรงนี้เพราะคนที่สร้างมันต้องรู้
รูปถ่ายเข้าไป
ไฟล์ PDF หรือรูปจากมือถือ ได้ถึง 50 หน้า รูปแบบไฟล์ตรวจจากตัวไบต์เอง จึงไม่ต้องประกาศอะไรและไม่ต้องแปลงไฟล์ก่อน
ผลการอ่านกลับมา
เป็นมาร์กดาวน์สำหรับงานที่จะเอาไปพูดต่อ หรือเป็นบล็อกที่มีชนิดกำกับเมื่อโครงสร้างมีความสำคัญ ใบฟอร์มกับจดหมายต้องการคำตอบคนละแบบตรงนี้ และการขอแบบที่ถูกต้องช่วยประหยัดงานเดาทีหลัง
เสียงอ่านมันออกมา
ข้อความถูกส่งไปสังเคราะห์เสียงด้วยเสียงที่เลือกให้เหมาะกับความยาวของงานอ่าน ไม่มีอะไรในคำขอนั้นรู้เลยว่ามันมาจากรูปถ่าย ซึ่งเป็นเหตุผลที่มันเป็นคำขอเดียวกับคำขออื่นทุกอัน
ค่าบริการทั้งสองฝั่งใช้กฎเดียวกัน การอ่านคิดตามจำนวนหน้า การพูดคิดตามตัวอักษร และความล้มเหลวฝั่งไหนก็คืนเครดิตของตัวเอง
คำถามที่พบบ่อย#
ระบบอ่านการจัดหน้าด้วย หรืออ่านแค่ตัวอักษร
อ่านทั้งสองอย่าง และคุณเลือกได้ มาร์กดาวน์เก็บหัวข้อ รายการ และตารางไว้เป็นข้อความที่เสียงอ่านตามได้ ส่วนบล็อกที่มีชนิดกำกับส่งเนื้อหาเดิมกลับมาพร้อมโครงสร้าง สำหรับตอนที่แอปของคุณเป็นคนตัดสินใจว่าจะอ่านอะไรก่อนหลัง
ถ้าเป็นใบฟอร์มที่มีลายมือเขียนอยู่ล่ะ
ผลการอ่านเป็นของโมเดล และถูกส่งกลับมาตามที่ได้มา เอกสารตรงไหนไม่ชัด ผลการอ่านตรงนั้นก็จะไม่ชัดตาม นั่นคือเหตุผลที่เอกสารตัวอย่างด้านบนถูกเผยแพร่ทั้งที่ยังมีจุดอ่านผิดอยู่
คิดค่าบริการอย่างไร
เป็นคำขอธรรมดาสองครั้ง การอ่านคิดตามจำนวนหน้า การพูดคิดตามตัวอักษร และทั้งสองอย่างไม่คิดเงินสำหรับคำขอที่ล้มเหลว
ทำงานบนมือถือได้ไหม
คำขอเป็นการเรียก HTTPS ธรรมดา มือถือจึงถ่ายรูปและเล่นเสียง ส่วนเซิร์ฟเวอร์ของคุณยิงสองคำขอตรงกลาง เสียงสตรีมได้ คำแรก ๆ จึงมาถึงก่อนที่ทั้งหน้าจะถูกอ่านจบ
สิ่งนี้มาแทนคนอ่านให้ฟังหรือเปล่า
ไม่ และไม่ได้เสนอตัวแบบนั้น มันมีไว้สำหรับเอกสารที่ยังไงก็ไม่มีใครว่างมาอ่านให้ คือใบที่มาถึงบ่ายวันอังคารและต้องใช้ก่อนวันพุธ
เครดิตฟรี ไม่ต้องผูกบัตร
สมัครเข้าใช้งานแล้วเครดิตฟรีที่ได้รับครอบคลุมการอ่านและการพูดเอกสารได้เป็นปึก มากพอจะรู้ว่าวิธีนี้ใช้ได้จริงกับเอกสารที่คุณมีอยู่หรือเปล่า