Documenti e OCR

Un dataset di documenti trasforma PDF, scansioni, file Office e di testo e registrazioni audio in testo Markdown che puoi leggere, correggere, revisionare, esportare e usare nelle knowledge base di Annota Brain. Ogni documento è diviso in pagine, così puoi confrontare il testo estratto con l’originale.

Formati supportati

Scegli Documenti come tipo quando crei un dataset. I dataset di documenti accettano questi file:

Tipo	Formati	Come viene elaborato	Crediti
PDF e scansioni	PDF, PNG, JPEG	L’OCR legge ogni pagina come immagine	Per pagina elaborata
File Office e di testo	TXT, Markdown, DOCX, ODT, RTF, HTML, EPUB, PPTX, XLSX, CSV, XML	Convertiti in Markdown, senza OCR	Nessuno
Registrazioni audio	MP3, M4A, WAV	Trascritte in parti	Per minuto di audio iniziato

Limiti:

Ogni file può pesare fino a 100 MB.
Un PDF può avere fino a 1.000 pagine.
Un file Office o di testo convertito può contenere fino a 1 MB di testo.
I vecchi formati DOC, PPT e XLS non sono accettati. Salvali prima come DOCX, PPTX o XLSX.

Per aggiungere i file, consulta Carica immagini e documenti.

Come funziona l’elaborazione

Annota mette in coda ogni documento appena caricato. Puoi lasciare la pagina mentre l’elaborazione prosegue.

PDF e scansioni: l’OCR legge ogni pagina come immagine, anche quando il PDF contiene testo selezionabile. Il risultato è Markdown con titoli, elenchi, tabelle e formule. Immagini e grafici vengono salvati come figure con una breve descrizione generata automaticamente, che non fa parte del testo del documento. Al termine, le tabelle che proseguono su più pagine vengono unite nella prima pagina.
File Office e di testo: Annota converte il file in Markdown e conserva solo il testo convertito. Fogli di calcolo e CSV diventano tabelle, l’XML diventa un blocco di codice. I testi lunghi vengono divisi in pagine brevi.
Registrazioni audio: la registrazione viene trascritta in parti di massimo dodici minuti. La prima pagina, Panoramica, riassume l’intera registrazione. I timestamp nella trascrizione riproducono l’audio da quel punto.

La colonna Elaborazione dell’elenco dei contenuti, e un badge su ogni riquadro della griglia, mostrano lo stato di ogni documento:

Stato	Significato
In coda	Il documento è in attesa di essere elaborato.
In elaborazione	Le pagine vengono lette. L’avanzamento si aggiorna pagina per pagina.
Pronto	Tutte le pagine sono state elaborate.
Parziale	Alcune pagine sono pronte, altre richiedono un nuovo tentativo.
Non riuscito	Nessuna pagina è stata elaborata.
In pausa	L’elaborazione si è fermata perché l’organizzazione ha finito i crediti.

Se l’elaborazione dura almeno un minuto, chi ha caricato il documento riceve un’email con l’esito.

Revisionare un documento

Apri il dataset, seleziona Contenuti e fai clic su un documento.
Confronta Documento originale a sinistra con Testo estratto a destra. Usa i controlli dello zoom o Pagina intera per adattare l’originale.
Spostati tra le pagine con Pagina precedente e Pagina successiva, e tra i documenti con Documento precedente e Documento successivo.
Quando hai controllato tutto il documento, imposta lo stato di revisione: Approvato, Rifiutato, Da revisionare o Da annotare. Lo stato vale per l’intero documento.

I file Office e di testo mostrano solo il testo estratto, perché il loro originale è il Markdown convertito. Seleziona Scarica documento per scaricare il file sorgente.

Correggere il testo estratto

In Testo estratto, passa da Anteprima a Modifica per vedere il Markdown.
Correggi il testo. Nell’editor, premi Ctrl+F (Cmd+F su Mac) per cercare e sostituire.
Seleziona Salva pagina oppure premi Ctrl+S (Cmd+S su Mac).

Anche cambiare pagina o documento, o uscire dalla revisione, salva le modifiche. Prima di chiudere la scheda controlla gli indicatori Modifiche non salvate e Salvataggio in corso…. Le modifiche riguardano il testo estratto, mai il file originale. Le pagine corrette non vengono più elaborate né sovrascritte.

Per tutte le scorciatoie della revisione, consulta Scorciatoie da tastiera.

Riprovare le pagine mancanti

Quando un documento è Parziale, Non riuscito o In pausa, la schermata di revisione indica le pagine da riprovare. Le pagine completate restano disponibili e non vengono addebitate di nuovo.

Salva prima le modifiche: finché ci sono modifiche non salvate non puoi riprovare.
Per riprovare una sola pagina, sceglila in Pagina da riprovare e seleziona Riprova pagina.
Per riprovare tutte le pagine non completate, seleziona Riprova pagine mancanti. Per una registrazione, seleziona Riprova la trascrizione.

Un documento in pausa può proseguire solo con crediti disponibili. Consulta Gestisci il piano.

Crediti e storage

L’OCR usa crediti per ogni pagina elaborata, la trascrizione audio per ogni minuto iniziato di ciascuna parte. Prima di riprovare, la schermata di revisione mostra il costo.
La conversione dei file Office e di testo è gratuita, anche quando la riprovi.
L’elaborazione parte solo se il saldo crediti dell’organizzazione è positivo. Una pagina viene addebitata quando l’OCR l’ha letta, anche se un passaggio successivo non riesce. Le pagine che falliscono prima della lettura sono gratuite.
File originali, testo estratto e figure occupano lo storage dell’organizzazione.

Le tariffe aggiornate sono nella pagina dei prezzi. Per capire come viene riportato il consumo, consulta Utilizzo dei crediti.

Passi successivi

Versioni del dataset: blocca il testo revisionato.
Esporta i dataset: scarica Markdown o un LLM Wiki.
Knowledge base: fai domande sui tuoi documenti in Annota Brain.