Glossário
OCR (reconhecimento óptico de caracteres)
OCR, sigla de reconhecimento óptico de caracteres, é o software que lê o texto de uma imagem e o transforma em caracteres que o computador pode editar e traduzir. Num tradutor de mangá, é a etapa que lê o letreiramento dos balões de fala, antes de qualquer tradução.
O que o OCR faz
O OCR transforma a imagem de letras em texto de verdade. Ele olha as formas de uma imagem, decide a que caractere cada uma corresponde e devolve uma sequência que um programa pode pesquisar, copiar ou traduzir. A foto de uma página são só pixels até o OCR lê-la.
Por que o mangá é difícil para o OCR
O OCR foi criado para páginas impressas com fontes limpas e fundos lisos. O mangá quebra essas premissas. O letreiramento japonês costuma ser vertical, ao lado dos kanji aparecem kana pequenos chamados furigana, as fontes são estilizadas ou manuscritas e o texto fica sobre retícula ou em cima do desenho. O coreano e o chinês acrescentam caracteres parecidos que diferem por um traço fino.
Por que isso importa para a tradução
Um mecanismo de tradução só enxerga o texto que o OCR entrega. Se um caractere é lido errado, o mecanismo traduz a palavra errada sem perceber. Muitos resultados que parecem tradução ruim são, na verdade, leitura ruim, e é por isso que um scan grande e limpo ajuda mais do que qualquer configuração.
Como o RuneManga trata isso
- Para o japonês, usamos um leitor feito para mangá, inclusive para o letreiramento vertical.
- Coreano e chinês são aceitos, e o reconhecimento deles ainda está melhorando.
- Inglês, espanhol, francês, português, indonésio, vietnamita e tailandês também podem ser lidos, então quadrinhos nesses idiomas podem ser traduzidos.
- A Detecção automática escolhe o idioma pelo texto que encontra; numa página com uma ou duas palavras, ela pode errar.
- O texto fora dos balões de fala e os efeitos sonoros ainda não são traduzidos.
Problemas comuns e soluções
- Scan pequeno ou borrado: os traços finos somem e os caracteres se confundem. Use a maior cópia da página que você tiver.
- Compressão JPG forte: os artefatos em bloco parecem traços. Prefira PNG, ou um JPG ou WebP pouco comprimido.
- Duas páginas emendadas numa só imagem: envie-as como páginas separadas.
- Letras claras sobre um fundo colorido: há pouco contraste para ler, então espere mais falhas.
Termos relacionados
O OCR vem depois da detecção de balões de fala, que encontra onde está o texto, e antes da tradução automática, que muda o idioma dele. O furigana e o texto vertical são dois dos motivos pelos quais as páginas japonesas são mais difíceis de ler do que livros impressos.
Ampliar uma página pequena ajuda o OCR?
Raramente. Ampliar deixa a imagem maior, mas não acrescenta o detalhe que falta. Uma cópia original maior da página ajuda muito mais.
O OCR consegue ler letras escritas à mão?
Às vezes. O letreiramento à mão caprichado costuma ser lido corretamente, enquanto a letra descuidada ou decorativa é fácil de ler errado.