Un outils en ligne (qui tourne entièrement dans le navigateur) pour extraire le texte d'images ou de PDF.
(Article de l'auteur : https://simonwillison.net/2024/Mar/30/ocr-pdfs-images/)
Vous pouvez même copier-coller une image, et il vous sort le texte.

A tester.

Via sebsauvage

Un outils pour Linux pour extraire le texte depuis une image.

via sebsauvage

1) Install pdftoppm

sudo apt install pdftoppm

2) Convertir

pdftoppm -jpeg document.pdf préfix_noms_images

Chaque page du pdf fait l'objet d'une image dont le nom est préfixé comme indiqué.

D'autres formats d'images sont dispo. Voir l'aide.

3) Convertir des images en PDF

Installer gscan2pdf et l'ouvrir

sudo apt install gscan2pdf
gscan2pdf &

Dans l'interface, charger les images. Les remettre dans l'ordre si besoin. Puis enregistrer au format PDF. (Détails)

Objectif : extraire un fichier de sous-titres d'un fichier mkv et le convertir en srt.

Lister les flux existant dans le fichier mkv :

ffmpeg -i mon_fichier.mkv

Repérer la numérotation des flux grâce aux lignes Stream [#0:XX](https://animal.cakeozolives.com/./add-tag/0:XX).... Par exemple :

Stream #0:9(fre): Subtitle: hdmv_pgs_subtitle

C'est le flux de sous-titres que je veux extraire. C'est le 9ème, et c'est un flux de sous-titres au format image.

Note :

• Subtitle: subrip signifie que le flux de sous-titres est au format texte;
• Subtitle: hdmv_pgs_subtitle signifie que le flux de sous-titres est au format image.

Extraire des sous-titres

Comme mon flux contient des sous-titres au format image, je dois demander à ffmpeg de simplement extraire (copy) le flux de sous-titres numéro 9 (-map 0:9) dans un fichier nommé sub.sup :

ffmpeg -i mon_fichier.mkv -c copy -map 0:9 sub.sup

Note : pour extraire un flux de sous-titres au format texte, la commande est identique à ceci près qu'il faut indiquer un format de sortie adéquat (ex: sub.ass ou sub.srt). En effet, le format de sortie est déterminé par ffmpeg selon l'extension du fichier de sortie.

Convertir au format texte

Dernière étape, je dois convertir ce fichier de sous-titres au format image (sub.sup), en sous-titres au format texte (sub.srt). Pour cela, je peux m'amuser avec mkvtoolnix, ou bien je peux aller sur ce site :

• téléverser le fichier sup à convertir;
• cliquer sur Convert;
• ça peut prendre un peu de temps;
• cliquer sur le lien proposé pour télécharger le fichier srt.

Edit : la conversion du fichier de sous-titres au format image en sous-titres au format texte implique le traitement du premier par un outil de reconnaissance de caractères (OCR). C'est pour ça que le choix du site web m'a paru le plus rapide à utiliser. Sinon il faut choisir le bon outil de OCR pour mkvtoolnix et faire des tests...

Quelques exemples pour calculer la taille en bytes d'une picture COBOL lorsqu'elle est au format COMP-3.

Rapidement, cela consiste à :

• ajouter une unité par chiffre;
• ajouter une unité pour le signe, qu'un S soit présent ou non;
• diviser le total par deux, et arrondir à l'entier supérieur si besoin.

On obtient alors le nombre de bytes pris par l'image (PIC).

Ma préférée: https://www.comedywildlifephoto.com/images/gallery/2/00000132_p.jpg