Распознавание фото в DeepSeek: текст отдельно от догадок
Распознавание фото в DeepSeek: чем Vision отличается от OCR, как подготовить этикетку, сохранить сомнительный символ и сверить прочитанный текст с оригиналом.
Евгений
Дизайнер-партнёр LibraChat
8 мин чтения
Для этикетки я оставляю в рабочей карточке три поля: прочитанная строка, сомнительное место и действие для проверки. Так распознавание фото в DeepSeek не заканчивается гладкой фразой, в которой незаметно исправили важный символ. Для обозначения материала в мастерской одна похожая буква может оказаться значимее всего остального ответа.
Представь наклейку на пачке цветной бумаги. Нужно перенести артикул и обозначение оттенка в список материалов. Я не прошу сразу угадать производителя, найти замену и заказать новую пачку. Сначала мне нужен текст, который можно сопоставить с изображением. Всё, что выходит за видимую надпись, я вынесу в отдельное обсуждение.
Распознавание фото в DeepSeek: зачем разделять чтение и обсуждение
Маршрут с моделью deepseek-flash я проверяю по документации Vision DeepSeek: там предусмотрен визуальный вход к текстовому вопросу. Среди задач — описание картинки и чтение надписей. Это подтверждённая возможность API: программного доступа к модели. Она не описывает каждую кнопку любого приложения с похожим названием.
Отдельно у DeepSeek есть OCR API. Он распознаёт текст в изображениях и документах, возвращая результат по страницам. Согласно справке, эта операция сама не передаёт материал в чат-модель для ответа на вопросы. Поэтому «получить надпись» и «обсудить, что она означает» — разные этапы.
Создание новой картинки и чтение существующей надписи тоже относятся к разным результатам. Это различие подробнее разобрано в статье про фото и изображения DeepSeek. Для моей карточки бумаги нужен текст этикетки; менять внешний вид упаковки я сейчас не собираюсь.
Я выбрал бы маршрут по нужному выходу:
Задача · Что описывает документация · Что мне ещё предстоит проверить
Прочитать текст этикетки — OCR с результатом распознавания — Каждый важный символ по фото
Обсудить видимое на снимке — Vision: изображение и текстовый вопрос — Где наблюдение, а где предположение
Найти подходящую замену материалу — Это уже отдельная задача выбора — Данные производителя и совместимость
Если ты работаешь в готовом веб-чате, сначала проверь, принимает ли именно он изображение и для какой операции. Я не стал бы переносить возможности API на неизвестную оболочку. В техническом проекте ориентиром будут официальные инструкции передачи изображения. Здесь дальше разбираю подготовку исходника, запрос и сверку текста, без настройки программного клиента.
Для короткой наклейки мне достаточно одного проверяемого вопроса. «Что это за бумага?» слишком широко: ответ может уйти к впечатлению от цвета и фактуры. «Перепиши видимые строки наклейки и пометь неясные символы» гораздо ближе к моей текущей задаче. Название сервиса не отменяет необходимости определить этот выход.
Сначала подготовь общий кадр и фрагмент
Я сохранил бы общий снимок пачки, затем сделал отдельный фрагмент с наклейкой. У них разные роли. Общий кадр показывает, где расположен текст; фрагмент позволяет рассмотреть буквы. Если оставить только увеличенную часть, можно потерять связь строки с названием поля или соседней подписью.
На съёмке я прежде всего проверяю блик. Белое пятно на глянцевой наклейке способно закрыть середину артикула. Программное увеличение покажет более крупное белое пятно, но не восстановит закрытый штрих. Я бы изменил угол камеры или положение пачки и переснял этот участок.
Перед отправкой пройду короткий список:
вся строка попала в кадр, включая её начало и конец;
наклейка не завёрнута на невидимую сторону упаковки;
мелкие знаки различимы при обычном увеличении;
блик не пересекает нужное обозначение;
фоновые предметы не мешают найти саму наклейку.
Я не стал бы превращать артикул в красивую графику перед распознаванием. Агрессивная обработка ради контраста может сделать тонкий дефис похожим на пятно или убрать его совсем. Для проверки мне нужен снимок надписи, а не её художественная реконструкция.
Если важная строка всё равно не читается, я отмечу это до отправки. Тогда ожидаемый результат меняется: возможно, получится подтвердить только начало обозначения. Это тоже полезная граница. Она лучше, чем цельная запись, которую невозможно сверить в самом трудном месте.
В моём списке материалов есть место для комментария о проверке. Я не буду переносить неясный код в поле «подтверждённый артикул», чтобы потом он случайно попал в заказ. До сверки это рабочая гипотеза с привязкой к снимку, а не готовая характеристика бумаги.
Запрос для этикетки с неясным символом
Для визуального чата, который действительно принимает изображение, я подготовил бы такое задание:
Перепиши видимые строки этикетки на приложенной пачке бумаги, сохранив порядок строк и знаки. Не исправляй обозначения по смыслу. Если символ нельзя уверенно прочитать, поставь на его месте вопросительный знак и отдельно укажи строку и место сомнения. После дословной записи перечисли только названия полей, которые видны на самой этикетке. Не определяй производителя или артикул по похожим товарам.
Это предложенный запрос, а не результат проведённого распознавания. Он разделяет запись и интерпретацию. Мне важно не получить правдоподобное название оттенка ценой изменившегося обозначения. Красивая расшифровка пригодится позже, когда сами символы подтверждены.
Особенно внимательно я бы посмотрел на похожие знаки: латинскую O и ноль, I и единицу. На конкретной наклейке может встретиться любой из них. Я не заменяю один другим только потому, что обычно ожидаю цифры в артикуле. Тип поля помогает задавать вопрос, но сам по себе не доказывает написание.
Для сомнительного места я задам уточнение отдельно:
Сосредоточься на отмеченной строке. Какие штрихи спорного символа действительно видны на фото? Если отличить букву от цифры по этому изображению нельзя, сохрани неопределённость и скажи, какой участок нужно переснять. Остальную строку заново не дополняй.
Я не прошу выбрать наиболее вероятный вариант ради завершённости. Если края символа закрыты бликом, более уверенный тон не добавит данных. Следующий полезный шаг — другой снимок. Ещё один длинный ответ по тому же пятну может только затруднить сравнение.
При работе через отдельный OCR результат сначала нужно получить и просмотреть. Свободный разговор о наклейке не возникает автоматически из факта распознавания. Если разработчик передаёт текст дальше в диалог, я хочу сохранить исходную запись рядом с интерпретацией, чтобы можно было проследить, откуда взялось значение.
Как сверить распознавание фото в DeepSeek с оригиналом
Я не начинаю с вопроса «похоже ли на нормальный артикул». Сначала сравниваю запись слева направо с самой строкой. Этот порядок скучнее, чем сразу обсуждать материал, зато замечает пропавший дефис или переставленные символы. Их смысл может быть непонятен мне, но это не повод убрать их.
Последовательность сверки у меня такая:
Сопоставь число и расположение прочитанных строк с наклейкой.
Проверь начало и конец нужного обозначения.
Пройди артикул по одному символу, включая разделители.
Отметь неуверенное место прямо в рабочей записи.
Подтверди его другим снимком или оставь вопрос открытым.
В OCR API есть техническая причина дополнительно проверить полноту: документация различает завершение stop и length, когда текст страницы оказался неполным из-за ограничения вывода. Это важно для программного сценария. Полученный ответ ещё нужно проверить на завершённость, прежде чем передавать его дальше как полный текст страницы.
Для короткой этикетки я также посмотрю, не потерялось ли слово над самим кодом. Без заголовка поля один и тот же набор знаков можно принять за цвет, партию или другое обозначение. Я сохраню название только тогда, когда оно видно или подтверждено отдельным источником. По расположению строки можно сформулировать предположение, но не утвердить назначение поля.
Если возникло расхождение, я не переписываю всё описание заново. Выделю один спорный участок и решу, какого наблюдения не хватает. Иногда достаточно другого угла съёмки. Иногда часть упаковки уже повреждена, и подтверждения на этом предмете нет. В последнем случае карточка останется неполной, пока не появится другой надёжный источник.
Что в итоге остаётся в карточке материала
После проверки я отделю подтверждённую строку от комментария. В список материалов пойдёт то, что удалось прочитать и сверить. В примечание — неуверенный символ и способ дальнейшей проверки. Так будущий выбор бумаги не будет опираться на незаметно угаданную букву.
Отдельно обсудить видимую наклейку можно и в чате LibraChat с приложенным снимком. Попроси сначала запись строк, затем вопросы к неясным местам. Условия работы с файлами я посмотрю по тарифам LibraChat; безошибочное чтение фотографии не обещаю.
У карточки будет три поля с разным назначением. Подтверждённая строка нужна для списка материалов, вопросительный знак сохраняет место сомнения, а примечание называет следующий снимок или источник. Незаполненное подтверждение здесь полезнее угаданного кода, который позже никто не отличит от прочитанного.
Попробуй сохранить для своей наклейки одну подтверждённую строку и один открытый вопрос. Для моей рабочей карточки этого достаточно, чтобы продолжить проверку материала. Заполненное любой ценой поле выглядело бы аккуратнее, но не дало бы основания доверять спорному обозначению.