OCR
Optical Character Recognition
Technologie rozpoznávání textu z obrázků nebo naskenovaných dokumentů — převádí pixelová data na textová s možností dalšího zpracování.
Co je OCR?
OCR (Optical Character Recognition) je technologie pro automatické rozpoznávání textu z obrázků — naskenovaných dokumentů, fotografií, PDF souborů (bez strojově čitelné textové vrstvy). OCR analyzuje pixely, identifikuje jednotlivé znaky a složí z nich text, který lze dále zpracovávat, vyhledávat, kopírovat nebo posílat do jiných systémů.
Rozlišujeme:
- Klasické OCR — rozpoznávání znaků (Tesseract, ABBYY)
- IDP (Intelligent Document Processing) — OCR + AI layout understanding, rozumí i struktuře dokumentu (tabulky, záhlaví, zápatí)
- ICR (Intelligent Character Recognition) — rozpoznávání ručně psaného textu
Moderní OCR založené na deep learningu dosahuje přesnosti 98–99 % na tištěném textu v dobré kvalitě. Problémy: zkosené skeny, skvrny, nečitelná razítka, tabulky bez jasných linek — zde pomáhá AI/RAG kombinace.
V české B2B firmě OCR nejvíce pomáhá při:
- Příchozích fakturách v PDF — extrakce IČO, částky, DPH, splatnosti
- Smlouvách — fulltextové vyhledávání v archivu
- Cestovních příkazech — čtení dokladů
Kdy se používá
OCR je vstupem do prakticky každé AI automatizace dokumentů. Bez OCR by AI model nedokázal zpracovat PDF fakturu nebo naskenovanou smlouvu.
Viz modul Vytěžování dokladů a modul Soubory.
Související pojmy
- Vytěžování dokladů — end-to-end proces OCR + AI extrakce. Viz /cs/slovnik/vytazovanie-dokladov-pojem.
- e-Invoice — alternativa, kde OCR není třeba. Viz /cs/slovnik/e-invoice.
- RAG — po OCR se dokumenty typicky indexují do RAG. Viz /cs/slovnik/rag.
V Modulario
Modul Vytěžování dokladů v Modulario kombinuje OCR s AI extrakcí — PDF faktura přijde e-mailem, systém ji OCR-uje, AI model extrahuje všechna relevantní pole a automaticky vytvoří záznam přijaté faktury v Účetnictví.
Modulario používá vrstvenou architekturu: pro strojově čitelné PDF se text extrahuje přímo, pro naskenované nebo PDF s vrstvami se spouští OCR engine natrénovaný na českých a slovenských znacích s diakritikou. Přesnost extrakce běžných polí faktury (IČO, částka, datum) je v Modulario kolem 98 %, nejednoznačné případy systém označí k manuálnímu ověření.
Související pojmy
Vytěžování dokladů
Automatizované čtení faktur, objednávek, dodacích listů a dalších dokumentů pomocí OCR a AI — extrakce údajů bez manuálního přepisování.
RAG
Technika, která LLM rozšiřuje o dynamické vyhledávání ve firemních dokumentech — odpověď vzniká kombinací nalezeného kontextu a generativního modelu.
AI Agent
Softwarový systém postavený na LLM, který autonomně řeší úlohy — plánuje kroky, používá nástroje a volá API k dosažení cíle.
e-Invoice
Strukturovaná elektronická faktura ve formátu XML/UBL, kterou lze automaticky zpracovat bez manuálního přepisování.
P2P
End-to-end proces od vystavení požadavku na nákup, přes objednávku, dodávku a přijetí faktury až po úhradu dodavateli.
Související moduly Modulario
Implementujete OCR ve své firmě?
Modulario pokrývá většinu B2B procesů modulárně — nasaďte jen to, co teď potřebujete, a postupně rozrůstejte. Domluvte si bezplatnou konzultaci.
Domluvit konzultaci