বাংলা পিডিএফ থেকে লেখা বের করার পদ্ধতি বাছাইয়ের আগে প্রথমে দেখুন ফাইলের লেখা নির্বাচন করে কপি করা যায় কি না। স্ক্যান করা পাতায় অক্ষর শনাক্তকরণ বা ওসিআর লাগতে পারে, কিন্তু পরিষ্কার স্ক্যানও যুক্তাক্ষর, বাংলা-ইংরেজি সংখ্যা, নাম এবং টেবিল ভুল পড়তে পারে। এখানে ছয়টি বিকল্পের ব্যবহারক্ষেত্র ও সীমা তুলে ধরা হয়েছে; কোনো টুলকে হাতে-কলমে পরীক্ষা করে সেরা বলা হচ্ছে না।
বাংলা পিডিএফ থেকে লেখা বের করার পদ্ধতি: আগে ফাইলের ধরন বুঝুন
পিডিএফ খুলে একটি বাক্য নির্বাচন করে কপি করার চেষ্টা করুন। লেখা ঠিকভাবে অন্য নথিতে পেস্ট হলে ফাইলে আগে থেকেই পাঠযোগ্য টেক্সট-স্তর আছে; আলাদা ওসিআর চালানো লাগবে না। কপি করা না গেলে পৃষ্ঠাটি সম্ভবত স্ক্যান করা ছবি। তখন ওসিআর ছবির অক্ষরকে সম্পাদনাযোগ্য লেখায় রূপান্তর করে। একটি ফাইলে দুই ধরনের পাতাও থাকতে পারে—কিছুতে মূল টেক্সট, কিছুতে স্ক্যান।
ওসিআর “শব্দ খুঁজে পাওয়া” পর্যন্ত কাজ করলেও নথি হুবহু পুনর্গঠন নাও করতে পারে। অনুচ্ছেদের ক্রম, দুই কলাম, পাদটীকা, টেবিলের ঘর এবং পৃষ্ঠার নম্বর আলাদা করে যাচাই করতে হয়। আর সংবেদনশীল নথি অনলাইন সেবায় পাঠানোর আগে প্রতিষ্ঠানের অনুমতি, তথ্য সংরক্ষণনীতি ও মুছে ফেলার শর্ত পড়ে নিন।
ছয়টি বাংলা পিডিএফ ওসিআর বিকল্প: কার জন্য কোনটি
নিচের তালিকা ভাষা-সমর্থনের প্রকাশিত তথ্য, নথির ধরন এবং ব্যবহারপদ্ধতি দেখে সাজানো। এটি নির্ভুলতার র্যাঙ্কিং নয়। একই টুলের ফল স্ক্যানের মান, ফন্ট, পৃষ্ঠার বিন্যাস ও সংস্করণে বদলাতে পারে।
১. Google Drive ও Google Docs: অল্প কয়েকটি সাধারণ পৃষ্ঠার জন্য
কম্পিউটারে পিডিএফ Drive-এ রেখে Google Docs দিয়ে খুললে ছবি বা স্ক্যান থেকে লেখা বের করার সুবিধা পাওয়া যায়। প্রকাশিত সহায়তা নথিতে বাংলা সমর্থিত ভাষার তালিকায় আছে। ছোট, সোজা, পরিষ্কার পৃষ্ঠা থেকে দ্রুত লেখা নেওয়ার জন্য এটি সহজ প্রবেশপথ। ওই নির্দেশনায় ২ মেগাবাইটের মধ্যে ফাইল, সোজা অবস্থান ও পরিষ্কার ছবির পরামর্শ দেওয়া হয়েছে; তালিকা, টেবিল, কলাম ও পাদটীকা ঠিকভাবে ধরা নাও পড়তে পারে। তাই ফাইলের আকার বা বিন্যাস গুরুত্বপূর্ণ হলে আগে একটি পাতায় চেষ্টা করুন।
২. Tesseract: নিজের কম্পিউটারে প্রক্রিয়া চালাতে চাইলে
Tesseract একটি উন্মুক্ত ওসিআর ইঞ্জিন; এর ভাষা-তথ্যের তালিকায় বাংলার জন্য ben মডেল রয়েছে। সফটওয়্যার ও ভাষা-ফাইল নিজের কম্পিউটারে বসিয়ে চালালে ফাইল বাইরে পাঠানোর প্রয়োজন এড়ানো যায়—এটি স্থানীয়ভাবে সেটআপের সুবিধা, স্বয়ংক্রিয় গোপনীয়তার নিশ্চয়তা নয়। ইনস্টল, ভাষা-ফাইল, স্ক্যান ঠিক করা এবং ফলকে নথির কাঠামোয় সাজাতে কারিগরি সময় লাগে। এককালীন কয়েকটি পৃষ্ঠার চেয়ে পুনরাবৃত্ত বা নিজস্ব নিয়ন্ত্রণ দরকার এমন কাজে এটি বেশি মানানসই।
৩. Google Cloud Vision: নিজস্ব ব্যবস্থা বা অনেক ছবি-পাতা প্রক্রিয়ায়
Cloud Vision-এর নথিতে বাংলা শনাক্তকরণের কোড bn দেওয়া আছে; একাধিক ভাষা মেশানো ছবিতেও পাঠ্য শনাক্ত করতে পারে। এটি সাধারণ ব্যবহারকারীর জন্য এক-ক্লিক পিডিএফ সম্পাদক নয়: প্রকল্প, এপিআই সংযোগ, ফাইল পাঠানো এবং ব্যবহার-খরচ বুঝে নিতে হয়। অ্যাপ বা কর্মপ্রবাহে ওসিআর যুক্ত করার প্রয়োজন থাকলে এটি বিবেচ্য; শুধু একবারের একটি পিডিএফের জন্য সেটআপ অপ্রয়োজনীয় হতে পারে। বাংলা শনাক্তকরণের তালিকায় থাকা মানেই আপনার নথির বানান বা টেবিল নির্ভুল হবে—এমন নয়।
৪. Azure Document Intelligence: নথির গঠনও দরকার হলে
Microsoft-এর Read ও Layout নথি-বিশ্লেষণ মডেলের ভাষা-তথ্যে বাংলা রয়েছে। বড় বা নিয়মিত নথির পৃষ্ঠা, লাইন ও বিন্যাস ধরে ফল পেতে চাইলে এই ধরনের নথি-প্রক্রিয়াকরণ সেবা বিবেচনা করা যায়। তবে এটি ক্লাউডভিত্তিক এবং অ্যাকাউন্ট, সেবা-সেটআপ ও মূল্য বোঝা দরকার। আপনার কাজটি শুধু লেখা কপি করা হলে এত আয়োজন দরকার নাও হতে পারে; টেবিল বা নথির বিন্যাস গুরুত্বপূর্ণ হলে ছোট, অনুমোদিত নমুনা দিয়ে আগে ফল যাচাই করুন।
৫. OCR.space: দ্রুত অনলাইন নমুনা-চেষ্টা
OCR.space-এর প্রকাশিত ভাষা-তথ্যে বাংলা আছে এবং এর তৃতীয় ইঞ্জিনে স্বয়ংক্রিয় ভাষা শনাক্তকরণের কথা বলা হয়েছে। আলাদা সফটওয়্যার বসাতে না চাইলে একটি অ-সংবেদনশীল নমুনা দিয়ে প্রাথমিকভাবে চেষ্টা করা যায়। এটি তৃতীয় পক্ষের অনলাইন সেবা; নথি আপলোডের আগে ফাইল সংরক্ষণ, মুছে ফেলা, বিনামূল্যের সীমা ও অর্থপ্রদানের শর্ত দেখে নিন। সেবাদাতার ভাষা-সমর্থনের দাবি স্বাধীন পরীক্ষার সমান নয়।
৬. BanglaOCR: বাংলা-কেন্দ্রিক অনলাইন কর্মপ্রবাহ
BanglaOCR নিজস্ব সাইটে বাংলা পিডিএফ, ছবি এবং বাংলা-ইংরেজি মিশ্র নথি থেকে লেখা বের করার সুবিধার কথা জানায়। ইংরেজি মেনু বা সাধারণ ওসিআর-সেটিংস এড়িয়ে বাংলা-কেন্দ্রিক পথ চান এমন পাঠক একটি নিরীহ নমুনা দিয়ে শুরু করতে পারেন। বিনামূল্যের ব্যবহারসীমা ও সাইন-ইন শর্ত বদলাতে পারে; আপলোডের আগে সেগুলো এবং গোপনীয়তা নীতি যাচাই করুন। সেবাদাতার নিজের বিবরণকে স্বাধীন নির্ভুলতা-পরীক্ষা হিসেবে ধরা যাবে না।

কোনটি কম ভুল করে—প্রকাশিত গবেষণা কী বলে
একটি BRAC University-এর ২০২৫ সালের বাংলা ওসিআর মূল্যায়ন ৯ ধরনের নথির ২১৬টি ছবিতে Tesseract, EasyOCR, Google Vision এবং একটি সম্মিলিত পদ্ধতি তুলনা করেছে। গবেষকেরা অক্ষর-ভুলের হার, শব্দ-ভুলের হার ও প্রক্রিয়াকরণ-সময়ের মতো আলাদা মাপকাঠি ব্যবহার করেছেন। নির্দিষ্ট নমুনায় একটি পদ্ধতি এগিয়ে থাকলেও সেটিকে সব ধরনের পিডিএফের সার্বজনীন ফল বলা যায় না। আপনার ফাইল যদি পুরোনো ছাপা বই, ফিকে ফটোকপি, দুই কলামের প্রতিবেদন বা হিসাবের ছক হয়, নিজের সেই ধরনের নমুনাতেই পরীক্ষা দরকার।
বাংলা যুক্তাক্ষর ও অঙ্কের ক্ষেত্রে মুদ্রিত লেখা এবং হাতের লেখা এক সমস্যা নয়। Varendra University-তে প্রকাশিত বাংলা হাতে-লেখা অঙ্কবিষয়ক গবেষণা একটি নির্দিষ্ট সংখ্যার নমুনা-তথ্যসেটে মডেল যাচাই করেছে। সেই ফলকে মুদ্রিত পিডিএফের নির্ভুলতার স্কোর হিসেবে ব্যবহার করা যাবে না; বরং পরীক্ষার নমুনা ও কাজের ধরন মিলিয়ে দেখার প্রয়োজনটি বোঝায়।
নিজের পিডিএফে ওসিআর কীভাবে যাচাই করবেন
একই নথির একই পৃষ্ঠা দিয়ে বিকল্পগুলো তুলনা করুন। অনুমতি থাকলে আগে একটি পরিষ্কার পৃষ্ঠা ও একটি কঠিন পৃষ্ঠা নিন—যেমন ফিকে স্ক্যান, যুক্তাক্ষর-সমৃদ্ধ অনুচ্ছেদ বা টেবিল। প্রতিটি ফলকে মূল পৃষ্ঠার সঙ্গে মিলিয়ে ভুলের ধরন লিখে রাখুন।
- যুক্তাক্ষর, কারচিহ্ন ও শব্দের মাঝের ফাঁক ঠিক আছে কি না দেখুন।
- বাংলা ও ইংরেজি সংখ্যা, তারিখ, ফোন নম্বর, টাকার অঙ্ক এবং ব্যক্তিনাম আলাদা করে মিলিয়ে নিন।
- টেবিলে প্রতিটি মান সঠিক সারি ও কলামে আছে কি না যাচাই করুন; শুধু সব শব্দ পাওয়া যথেষ্ট নয়।
- দুই কলাম, শিরোনাম, পৃষ্ঠার নম্বর, ফুটনোট ও অনুচ্ছেদের ক্রম পরীক্ষা করুন।
- সম্পাদনার সময় ও ফাইলের ধরন লিখুন: সাধারণ লেখা, নথির বিন্যাসসহ ফাইল, নাকি অনুসন্ধানযোগ্য পিডিএফ—কোনটি পাওয়া গেল?
যদি সংখ্যাগত তুলনা করতে চান, অক্ষর-ভুলের হার (CER) এবং শব্দ-ভুলের হার (WER) ব্যবহার করা যায়। তবে একই বানান-স্বাভাবিকীকরণ ও একই পরীক্ষার নমুনা ছাড়া দুই ফল তুলনাযোগ্য নয়। কয়েকটি গুরুত্বপূর্ণ নাম বা অঙ্কে ভুল থাকলে সামগ্রিক গড় ভালো দেখালেও নথিটি কাজে লাগার মতো নাও হতে পারে।
বাংলা পিডিএফ থেকে লেখা বের করার পর নিরাপদে সম্পাদনা
ওসিআর-ফলকে মূল দলিলের বিকল্প ধরে নেবেন না। আইনগত, চিকিৎসা, শিক্ষা, ব্যাংকিং বা সরকারি নথিতে যাচাই ছাড়া ফল ব্যবহার করলে একটি অঙ্ক বা নামের ভুলও বড় সমস্যা করতে পারে। মূল পিডিএফ অক্ষত রাখুন, সম্পাদিত অনুলিপিতে কাজ করুন, আর কোন অংশ হাতে সংশোধন করেছেন তা নথিভুক্ত করুন। ডিজিটাল নথি গুছিয়ে রাখা ও পুনরাবৃত্ত তথ্য-প্রবাহের জন্য ডিজিটাল ফাইল সাজানোর নির্দেশিকা এবং তথ্য-এন্ট্রি স্বয়ংক্রিয় করার প্রাথমিক আলোচনা কাজে লাগতে পারে।
শেষ সিদ্ধান্ত
বাংলা পিডিএফ থেকে লেখা বের করার পদ্ধতি নির্ভর করবে ফাইলে আগে থেকেই টেক্সট আছে কি না, নথি কতটা সংবেদনশীল, টেবিল বা বিন্যাস কতটা গুরুত্বপূর্ণ এবং সেটআপে কত সময় দিতে পারবেন তার ওপর। কপি করা যায় এমন পিডিএফে সরাসরি টেক্সট নিন; সাধারণ স্ক্যানে Google Drive দিয়ে একটি পৃষ্ঠা যাচাই করুন; স্থানীয় নিয়ন্ত্রণ চাইলে Tesseract দেখুন; নিয়মিত বা কাঠামোবদ্ধ নথিতে ক্লাউড এপিআই পরীক্ষা করুন। যেটিই নিন, নাম, যুক্তাক্ষর, সংখ্যা ও টেবিল মূল পৃষ্ঠার সঙ্গে মিলিয়ে তারপর ব্যবহার করুন।


