اجرای دوبارهٔ کار شکست‌خورده، بدون ثبت هزینهٔ تکراری با SQLite

با یک کلید ثابت برای هر درخواست و یک تراکنش اتمیک، اجرای دوباره را به بازگرداندن همان نتیجه تبدیل کنید. این نمونه برای ثبت اعتبار و هزینه در SQLite است، نه تضمین جلوگیری از برداشت تکراری در یک درگاه خارجی.

مدل ارزان‌تر واقعاً چقدر می‌ارزد؟ هزینهٔ API را با زمان اصلاح جمع بزنیم

برای انتخاب مدلِ استخراج اطلاعات فاکتور، هزینهٔ هر خروجی قابل‌استفاده را بسنجید، نه فقط هزینهٔ تولید آن. یک اسکریپت ساده نشان می‌دهد چگونه چند دقیقه اصلاح انسانی می‌تواند صرفه‌جویی API را از بین ببرد.

جدول فارسی در OCR: وقتی متن درست است اما مبلغ به ردیف اشتباه می‌رود

برای ورود جدول هزینه‌های اسکن‌شده به CSV، متن OCR به‌تنهایی کافی نیست؛ باید جای خالی سلول و موقعیت کلمات را هم نگه دارید. این مثال نشان می‌دهد چگونه با مختصات خروجی TSV تسرکت، یک مبلغ خالی را بدون جابه‌جایی ستون‌ها حفظ کنیم.

پیش‌پردازش اسکن فارسی: چه وقت آستانه‌گذاری تطبیقی به OCR کمک می‌کند؟

برای اسکن فارسی با سایه یا روشنایی ناهمگون، یک تصویر دودویی تطبیقی بسازید؛ اما آن را فقط وقتی جایگزین ورودی اصلی کنید که نقطه‌ها و نیم‌فاصله‌ها در خروجی OCR کمتر آسیب ببینند. این راهنما یک آزمایش قابل‌تکرار با OpenCV و Tesseract می‌سازد.

از PDF فارسی تا جست‌وجوی صفحه‌محور؛ یک خط لولهٔ کوچک با کنترل کیفیت

برای PDFهای فارسیِ متن‌دار، متن هر صفحه را استخراج و نسخه‌ای نرمال‌شده برای جست‌وجو ذخیره می‌کنیم. این راهنما یک ابزار اجرایی می‌سازد و نشان می‌دهد چه زمانی باید فایل را به مسیر OCR یا بررسی دستی فرستاد.

قبل از API صوتی، مرز دادهٔ حساس را با یک دروازهٔ متن مشخص کنیم

برای کاری مثل دسته‌بندی درخواست پشتیبانی، لازم نیست صدای خام از دستگاه خارج شود. یک دروازهٔ محلی می‌سازیم که فقط متن بازبینی‌شده را به بدنهٔ درخواست API تبدیل کند و در نبود تأیید، بسته بماند.

آماده‌سازی رونویسی فارسی برای جست‌وجو، بدون خراب‌کردن عدد و نام

متن اصلی رونویسی را نگه دارید و برای جست‌وجو یک نسخهٔ جدا بسازید. با یک اسکریپت پایتون، رقم‌ها و حروف ناهمگون را یکسان می‌کنیم و شکل‌های تأییدشدهٔ نام‌ها را به یک کلید مشترک می‌رسانیم.

طراحی وضعیت‌های رونویسی: اجرای منقضی‌شده را از کارِ در حال انجام جدا کنید

وضعیت «در حال اجرا» بدون مهلت اعتبار می‌تواند خرابی worker را پنهان کند. با lease، وضعیت صریح «متوقف‌شده» و شناسهٔ هر تلاش، هم گیرکردن را آشکار کنید و هم نتیجهٔ worker قدیمی را نپذیرید.

فاین‌تیون OCR فارسی برای گزارش‌های آزمایشگاهی؛ از برچسب سطر تا آزمون قفل‌شده

برای بهبود OCR گزارش‌های آزمایشگاهی، ابتدا سطرهای درست برچسب‌خورده و آزمون مستقل بسازید؛ سپس Tesseract فارسی را فاین‌تیون کنید. این راهنما مسیر آموزش و یک ارزیاب اجرایی برای خطای نویسه و عدد را نشان می‌دهد.

OCR فارسیِ خوب را چطور بسنجیم؟ از دقت حروف تا جدول و چیدمان صفحه

برای سنجش OCR فارسی، یک عدد کافی نیست: CER خطاهای نویسه‌ای را نشان می‌دهد، اما جدول و ترتیب خواندن به معیارهای جداگانه نیاز دارند. این راهنما برای ارزیابی یک سامانه روی اسناد واقعی، پروتکل و کد قابل اجرا می‌دهد.

برای فاین‌تیون TTS فارسی، دادهٔ صوتی خوب چه ویژگی‌هایی دارد؟

اگر می‌خواهید یک مدل TTS فارسی را با صدای یک گوینده آموزش دهید، پیش از تغییر مدل باید داده را ممیزی کنید. این راهنما یک چک‌لیست عملی و یک اسکریپت قابل‌اجرا برای یافتن فایل‌های مشکل‌دار ارائه می‌کند.

اجرای TTS فارسی به‌صورت self-host با مدل MMS و تبدیل متن به فایل WAV

اگر یک توسعه‌دهنده می‌خواهید متن فارسی را بدون API خارجی به فایل صوتی تبدیل کنید، مدل رسمی facebook/mms-tts-fas و کتابخانه Transformers مسیر کوتاه و قابل‌تکراری ارائه می‌کنند. در این راهنما، نصب، اجرای محلی، ذخیره WAV و محدودیت‌های مهم آن را می‌بینید.

مقایسهٔ عملی TTS فارسی برای IVR: کیفیت صدا، هزینه و تأخیر را چطور بسنجیم؟

اگر سارا بخواهد برای یک IVR فارسی بین Azure Speech و Google Cloud TTS انتخاب کند، یک نمونهٔ متن ثابت و سه اندازه‌گیری ساده از حدس‌زدن بهتر است. این راهنما روش ثبت کیفیت، هزینه و تأخیر را با یک اسکریپت قابل اجرا نشان می‌دهد.

چه زمانی فاین‌تیون STT فارسی ارزش دارد؟ یک مسیر عملی از داده تا ارزیابی

فاین‌تیون مدل‌های تبدیل گفتار به متن فارسی تنها زمانی توجیه اقتصادی و فنی دارد که خطای نرخ کلمات پس از نرمال‌سازی متنی همچنان ناشی از تفاوت دامنه‌ی آکوستیک باشد. در غیر این صورت، مهندسی پرامپت و پس‌پردازش خطاهای واژگانی، مسیری به‌مراتب سریع‌تر و پایدارتر است.

ارزیابی مصاحبه فارسی با ElevenLabs: فایل ممیزیِ گوینده، تایم‌استمپ و هزینه

برای تهیه‌کننده پادکست فارسی، یک فایل JSON ممیزی بسازید که هم کیفیت رونوشت را قابل بازبینی کند و هم هزینه واقعی هر دقیقه را نشان دهد. کد این مقاله روی برچسب گوینده، تایم‌استمپ، بازبینی انسانی و مبلغ واقعی گزارش می‌دهد.