Image format (.png, .jpg, .jpeg, .gif, .bmp, .tif, .tiff, .webp, .heic, .heif, .avif)
Image-formatet leser rasterbilder som dokumenter. PNG og JPEG dekodes nativt; GIF, BMP, TIFF og WebP dekodes internt (ren Go); og ISOBMFF- stillbildene HEIC/HEIF og AVIF transkodes med ffmpeg (kapi-av- bunten) når den er tilgjengelig, og faller tilbake til et Media-kun-objekt når den ikke er det. Selve bildet emitteres alltid som en Media-del ved referanse, og pikselbyten lastes aldri inn i kapi-prosessen, så et bilde er et gyldig, inspiserbart dokument selv uten noen OCR-motor installert. Dette er erstatning av hele bildet-modusen: bildet er et objekt som skal erstattes, ikke leses.
Når tillegget kapi-vision er installert og ocr er aktivert, gjenkjenner leseren
tekst i bildet og emitterer posisjonerte tekstblokker, og gjenoppretter
nivå-2-struktur (overskrifter, avsnitt, tabeller) fra OCR-linjegeometrien på
samme måte som PDF-geometribanen gjør. Med layout aktivert brukes ML-layoutdeteksjon
(regioner + leserekkefølge) når motoren støtter det, og faller tilbake til
geometrisk inferens ellers.
En <image>.alt.txt-sidecar ved siden av kildeteksten leverer alt-tekst- og undertekstkopi:
den knyttes til Media-objektet og emitteres som en undertekstblokk som
oversettes gjennom den normale blokkbanen; skriveren legger den oversatte teksten
tilbake i en per-språk-sidecar. Innebygd metadata (PNG-tekstbiter, XMP) leses
uten å dekode piksler og mappes til dokumentlaget.
This format has no configurable parameters.
Processing notes
Bildet avgis alltid som en Media-del ved referanse; OCR-Blokker er additiv berikelse og OCR-feil er ikke fatale.
Formater som bildemotoren ikke kan lese nativt, normaliseres til PNG før OCR (GIF/BMP/TIFF/WebP internt, HEIC/AVIF via ffmpeg), mens det emitterte Media-objektet beholder de originale bytene.
Alt-tekst- og undertekstkopi følger standard blokkbane uten spesiell verktøystøtte, og skrives tilbake til en per-språk-sidecar
<image>.alt.txt.
Limitations
PNG/JPEG/GIF/BMP/TIFF oppdages via magic-byte-prefiks; WebP og ISOBMFF-stillbildene HEIC/HEIF og AVIF via innholdssniffing (deres markører befinner seg forbi offset 0 og deler RIFF/ftyp-beholderen med lyd/video).
OCR av HEIC/HEIF og AVIF krever ffmpeg (kapi-av-bunten eller PATH) for å transkode rammen; uten det avgis disse bildene fortsatt som et Media-asset, men OCR-behandles ikke.
OCR og layout krever kapi-vision-tillegget; uten det er bildet kun et Media-asset.
← Back to the Format Reference