เว็บไหนแปลงรูปภาษาไทยเป็นข้อความด้วย OCR ได้แม่น

ฉันชอบเล่นกับอักษรเก่าๆ และการเห็นข้อความสมัยใหม่ถูกแปลงเป็นตัวอักษรโบราณทำให้ตื่นเต้นทุกครั้งเมื่อได้ลองทดลองดูเอง ถ้าพูดถึงเครื่องมือสำเร็จรูปสำหรับคนทั่วไป เว็บแปลงออนไลน์ที่ทำหน้าที่แม็ปตัวอักษรจากไทยมาเป็นอักษรธรรม (Tai Tham / อักษรล้านนา) มักเป็นจุดเริ่มต้นที่ดี เพราะไม่ต้องลงโปรแกรมอะไร แค่ป้อนข้อความแล้วเซฟผลลัพธ์เป็นไฟล์ข้อความหรือคัดลอกไปใช้ได้ทันที อย่างไรก็ตามเว็บพวกนี้หลากหลายคุณภาพ: บางแห่งแม็ปแบบตรงตัว ทำให้ต้องมาแก้คำยืมหรือคำสมัยใหม่ด้วยตนเอง อีกจุดที่ควรเช็กคือฟอนต์ — ถ้าไม่มีฟอนต์อักษรธรรมติดตั้ง ผลลัพธ์อาจเห็นเป็นสัญลักษณ์หรือช่องว่าง เมื่อต้องการผลลัพธ์ที่สวยและควบคุมได้มากขึ้น ฉันมักจะใช้วิธีคู่ขนานคือหาเว็บแปลงเพื่อให้ได้โครงร่างของตัวอักษร แล้วนำไฟล์นั้นมาปรับแต่งในโปรแกรมแก้ไขข้อความพร้อมฟอนต์อักษรธรรมที่รองรับ เช่นฟอนต์ที่รองรับ Unicode บล็อก Tai Tham จะช่วยให้แสดงผลถูกต้อง สรุปคือสำหรับผู้เริ่มต้น: หาเว็บแปลงเป็นทางลัด แต่เตรียมใจแก้ไขด้วยมือและติดตั้งฟอนต์ที่รองรับอักษรธรรมด้วย จะได้งานออกมาสวยและอ่านได้จริง

วิธีที่ฉันมักแนะนำเมื่อเจอไฟล์ PDF ภาษาไทยที่อยากแปลงเป็น e-book คือพิจารณาลักษณะต้นฉบับก่อนเลย — เป็นไฟล์ที่พิมพ์จากคอมหรือสแกนภาพมา ถ้าเป็นไฟล์พิมพ์ตรง ๆ งานจะง่ายกว่าเยอะ จากประสบการณ์ส่วนตัว ผมมักเริ่มจากการใช้ Calibre เพื่อแปลงเป็น EPUB แล้วค่อยเปิดไฟล์ในโปรแกรมแก้ไข EPUB อย่าง Sigil เพื่อปรับ CSS และฝังฟอนต์ที่รองรับภาษาไทย งานใหญ่จริง ๆ มักจะอยู่ที่การจัดบรรทัดและการตัดคำไทยให้ถูกต้อง เพราะ EPUB เป็นแบบ reflowable ซึ่งดีสำหรับอ่านบนมือถือ แต่ต้องแน่ใจว่าใช้การเข้ารหัส UTF-8 และตั้ง lang='th' ใน metadata เพื่อให้ e-reader รู้จักภาษา นอกจากนี้ถ้า PDF เป็นภาพสแกน จะต้องใช้ OCR ให้เป็นข้อความก่อน — เครื่องมือ OCR ที่แม่นยำจะช่วยลดเวลาในการแก้ไขเป็นอย่างมาก ถ้าต้องการวิธีที่ไม่อยากลงโปรแกรมเอง มีบริการออนไลน์ที่รับแปลง PDF เป็น EPUB หรือ MOBI ให้ทันที แต่ข้อควรระวังคือผลลัพธ์มักต้องปรับแต่งอีกทีโดยเฉพาะเรื่องการตัดคำและตาราง เนื้อหาแบบนิยายจะได้ผลดีกว่าเนื้อหาแบบคอลัมน์หรือแบบมีตารางเยอะ ๆ สุดท้ายสิ่งที่ควรคำนึงถึงคือลิขสิทธิ์และการอนุญาตของไฟล์ — ถ้าเป็นงานของเราเอง การเริ่มจากไฟล์ต้นฉบับ (เช่น DOCX หรือ Markdown) แล้วคอนเวิร์ทเป็น EPUB จะได้ผลลัพธ์ที่สะอาดและรองรับภาษาไทยได้ดีกว่าแน่นอน

เริ่มจากประสบการณ์ส่วนตัวกับการแปลประโยคสั้น ๆ ในบทสนทนา ผมมองว่า 'Naver Papago' ให้ผลลัพธ์ที่ค่อนข้างสมดุลเมื่อต้องแปลจากภาษาไทยเป็นภาษาจีนกลาง มันจับความหมายในประโยคธรรมชาติของไทยได้ดีพอสมควรและให้รูปแบบภาษาจีนที่อ่านลื่น ไม่แข็งทื่อเหมือนเครื่องมือบางตัว ผมมักจะใช้ Papago เวลาต้องแปลคำพูดสั้น ๆ ของคอนเทนต์ออนไลน์ เช่น คำบรรยายวิดีโอหรือคอมเมนต์ของแฟน ๆ ผลลัพธ์มักไม่ต้องแก้ไขเยอะเมื่อเป็นประโยคธรรมดา แต่ถ้าเป็นสำนวนหรือคำแสลงจะต้องปรับนิดหน่อย การใช้อันนี้ควรเอาผลลัพธ์มาเช็กกับบริบทจริง เช่น ถ้าเป็นคำโปรยสินค้าในโฆษณา ก็ต้องปรับระดับทางการอีกครั้ง สรุปคือถ้าต้องการความรวดเร็วและโทนพูดคนธรรมดา Papago เป็นตัวเลือกแรกที่ฉันไว้ใจ

มีเว็บไซต์ที่ไว้ใจได้อยู่ไม่กี่แห่งเมื่อต้องการแปลงวันที่จากรูปแบบอังกฤษเป็นรูปแบบไทยอย่างแม่นยำ โดยส่วนตัวผมมักจะเริ่มจาก 'timeanddate.com' เพราะเครื่องมือของเขาชัดเจนและรองรับการแสดงปฏิทินหลายระบบพร้อมแปลงฟอร์แมตได้ตรงตามมาตรฐานสากล การแปลงปีคริสตศักราช (CE) เป็นพุทธศักราช (พ.ศ.) ง่าย ๆ คือบวก 543 ปี ดังนั้นวันที่ 15 August 2023 จะกลายเป็น 15 สิงหาคม 2566 — ส่วนนี้เป็นหลักคณิตศาสตร์ตรง ๆ แต่ปัญหาทั่วไปมักเกิดจากรูปแบบวันที่ (dd/mm/yyyy vs mm/dd/yyyy) หรือเขตเวลาเมื่อมีชั่วโมงเป็นส่วนประกอบ เมื่อต้องทำงานกับสเปรดชีตหรือระบบข้อมูล ผมมักใช้วิธีที่ชัดเจน เช่นใน Excel/Google Sheets ใช้ฟังก์ชัน DATE ร่วมกับ YEAR/MONTH/DAY เพื่อบวกปี ตัวอย่างเช่น DATE(YEAR(A1)+543, MONTH(A1), DAY(A1)) จะได้วันที่ในพุทธศักราชอย่างถูกต้องโดยไม่สับสนกับเลขเดือน อีกทางถ้าทำเว็บหรือสคริปต์สั้น ๆ การเรียกใช้ฟอร์แมตเตอร์ของระบบก็มีประโยชน์ — ในเบราว์เซอร์หรือ Node.js สามารถใช้ Intl.DateTimeFormat พร้อม locale แบบ 'th-TH-u-ca-buddhist' เพื่อให้ได้ผลลัพธ์ที่ออกมาเป็นวันที่ไทยตามมาตรฐานและรูปแบบท้องถิ่น สิ่งที่ผมอยากเตือนคือเรื่องเคสพิเศษ เช่นวันที่ก่อนคริสต์ศักราชหรือข้อมูลประวัติศาสตร์ที่มีการนับปีย้อนหลัง เพราะเครื่องมือทั่วไปโฟกัสที่ช่วงสมัยปัจจุบันมากกว่า ถาตรวจสอบความถูกต้องในบริบทพิเศษเหล่านั้นให้ใช้แหล่งข้อมูลเชิงอ้างอิงเพิ่มเติม และถ้าต้องการความแน่นอนด้านรูปแบบการเขียน เช่นการใช้คำว่า 'พ.ศ.' หรือชื่อเดือนแบบย่อ/เต็ม ให้ยึดตามแนวทางราชบัณฑิตยสถานเป็นหลัก สรุปสั้น ๆ ว่าเว็บไซต์อย่าง 'timeanddate.com' ร่วมกับการใช้ฟังก์ชันในสเปรดชีตหรือ Intl API จะให้ผลแม่นยำสำหรับการใช้งานทั่วไป แต่ระวังรูปแบบอินพุตและบริบทพิเศษเสมอ

ฉันมักจะเริ่มจากการปรับปรุงภาพก่อนเสมอ เพราะถ้าภาพชัดขึ้น โอกาสที่ซอฟต์แวร์จะอ่านตัวอักษรถูกต้องก็สูงขึ้นมาก ก่อนอื่นให้สแกนหรือถ่ายใหม่ที่ความละเอียดสูงกว่า 300 DPI ถ้าเป็นภาพที่เอียงให้แก้การเอียง (deskew) แล้วตัดขอบที่ไม่จำเป็นออก การแปลงเป็นเฉดเทาและใช้การทำ threshold แบบ adaptive ช่วยลดจุดรบกวนได้ดีอีกทางหนึ่ง นอกจากนี้การใช้ตัวกรองลบจุดรบกวนเบื้องต้น (denoise) และการปรับความคม (sharpen) บางครั้งทำให้เส้นตัวอักษรชัดขึ้นสำหรับ OCR ขั้นตอนถัดไปคือเลือกเครื่องมือ OCR ที่รองรับภาษาไทยและตั้งค่าให้เหมาะสม บางครั้งการใช้ซอฟต์แวร์เชิงพาณิชย์ที่จ่ายเงินแล้วได้ผลดีกว่าถ้าเอกสารเก่าและตัวอักษรเพี้ยน แต่ก็มีทางเลือกฟรีที่ดีเช่นตัวที่รองรับภาษาไทยโดยเฉพาะ หลังการรัน OCR ควรมีขั้นตอนการแก้ไขหลังการประมวลผล: ใช้พจนานุกรมภาษาไทยเพื่อตรวจคำผิด แยกคำด้วย tokenization จากนั้นเปรียบเทียบคำกับรายการคำที่น่าจะถูก (lexicon) เพื่อแก้คำที่เละจากการอ่านผิด สุดท้ายเปิดตรวจด้วยตาอีกครั้งโดยเฉพาะชื่อตัวบุคคล ตัวเลข หรือคำเฉพาะทาง งานบางชิ้นอาจต้องผสมระหว่างการแก้ด้วยสคริปต์อัตโนมัติและการแก้ด้วยมือสั้น ๆ เพื่อให้ผลลัพธ์ใช้งานได้จริง

ลองดูแอปแปลภาษาที่ผมใช้บ่อยๆ แล้วค่อยตัดสินใจว่าตรงกับความต้องการแบบไหนที่สุด เพราะแต่ละตัวมีจุดแข็งต่างกันและเหมาะกับการใช้งานไม่เหมือนกัน ผมมักเริ่มจาก Google Translate เพราะสะดวกมากทั้งเวอร์ชันเว็บและแอป มือถือมีฟีเจอร์กล้องสแกนข้อความ อ้อมอ่านป้ายหรือหน้าเว็บได้ทันที ส่วนการแปลประโยคทั่วไปทำได้รวดเร็วและรองรับหลายภาษา แต่อย่างไรก็ตามคำแปลแบบอัตโนมัติยังอาจทำให้ความหมายหลุดเล็กน้อยเมื่อเจอบทสนทนาที่มีสำนวนหรือข้อความเชิงวรรณกรรม ดังนั้นใช้งานง่ายเมื่ออยากเข้าใจเนื้อหาคร่าวๆ แต่ต้องระวังความถูกต้องเชิงบริบทหากจะนำไปใช้อย่างเป็นทางการ ในมุมของความเป็นธรรมชาติของภาษาและคุณภาพคำแปล ผมให้ความสนใจกับ 'DeepL' แม้ว่าจะมีจุดอ่อนเรื่องภาษาไทยที่อาจยังไม่เนียนเท่าภาษาอังกฤษหรือยุโรป แต่เมื่อแปลจากภาษาอังกฤษเป็นไทยในข้อความเชิงวิชาการหรือบทความเชิงสาระ บางครั้งผลลัพธ์จะออกมาดีกว่าเจ้าอื่น โดยเฉพาะประโยคที่ต้องการความลื่นไหลของภาษา แต่อีกทางเลือกที่ผมใช้สลับกันคือ 'Papago' จาก Naver เพราะออกแบบมาให้รองรับภาษาเอเชียได้ดี ฟีเจอร์การพูดและแปลบทสนทนาจริงต่อจริงทำได้สะดวก เหมาะเมื่อคุยกับคนต่างชาติแบบทันทีทันใด นอกจากนี้ถ้าต้องการความหมายคำศัพท์แบบละเอียดและตัวอย่างการใช้ Longdo Dictionary เป็นของไทยที่มีข้อมูลคำศัพท์และตัวอย่างการใช้ครบถ้วน นำไปใช้ประกอบการแปลอัตโนมัติจะช่วยให้จับความหมายได้แม่นขึ้น สำหรับคนที่อ่านนิยายหรือเว็บตูนภาษาต่างประเทศแล้วอยากได้คำแปลแบบอ่านไหล ๆ ผมมักใช้แอปที่มีฟีเจอร์ OCR และปรับแต่งข้อความให้ดูดี เช่น Google Translate หรือแอปสแกนหน้าเว็บที่คัดลอกข้อความแล้วเอาไปแปล แต่ถ้าอยากได้เสียงอ่านหรือแปลแบบสนทนา SayHi และ Microsoft Translator ทำงานด้านเสียงได้ดี Microsoft มีฟังก์ชันการแปลออฟไลน์ที่เป็นประโยชน์เมื่อเดินทางไม่มีเน็ต ส่วนความต้องการเฉพาะทางสำหรับงานเขียนหรือแก้สำนวนให้เป็นธรรมชาติ แนะนำใช้ผลลัพธ์จากแอปแปลเป็นร่างแล้วเอาไปขัดเกลาในตัวเองหรือใช้คู่มือคำศัพท์เพื่อให้ได้สำนวนที่เหมาะสม สรุปแบบเป็นมิตรคือเลือกใช้หลายแอปผสมกันตามงาน: Google Translate สำหรับความเร็วและกล้อง, Papago หรือ DeepL เพื่อความเป็นธรรมชาติของสำนวนในบริบทเอเชีย/วรรณกรรม, Longdo สำหรับตรวจคำศัพท์เชิงลึก และ Microsoft Translator หากต้องการแปลเสียงหรือออฟไลน์ เท่าที่ใช้งานมา วิธีนี้ทำให้ได้ทั้งความเร็วและความแม่นยำในระดับที่พอใจ และลงท้ายด้วยความรู้สึกว่ายังตื่นเต้นเสมอเมื่อเห็นแอปต่างๆ พัฒนาขึ้นจนทำให้โลกของตัวเองเข้าถึงเรื่องราวใหม่ๆ ได้ง่ายขึ้น

พอได้ลองคิดจริงจังแล้ว การจะหาสแกนโดจินโรแมนในภาษาไทยที่เชื่อถือได้ต้องแยกความหมายระหว่าง 'สแกนที่ถูกกฎหมาย' กับ 'สแกนที่แชร์กันโดยไม่ได้รับอนุญาต' ออกให้ชัด ผมมักจะแนะนำให้มองหาช่องทางที่ศิลปินหรือผู้สร้างขายงานเอง เช่นแพลตฟอร์มอย่าง DLsite หรือ Booth ซึ่งหลายครั้งศิลปินจะอัปโหลดไฟล์ดิจิทัลให้ซื้อได้โดยตรง นอกจากนี้ร้านหนังสือดิจิทัลอย่าง BookWalker หรือบริการจำหน่ายอีบุ๊กที่มีลิขสิทธิ์ก็เป็นทางเลือกสำหรับงานที่ได้รับอนุญาตให้แปล หากผู้สร้างมีหน้าเพจบน Pixiv, Twitter หรือ Patreon/Ko-fi มักจะมีลิงก์ไปยังหน้าร้านที่ถูกต้อง ซึ่งทำให้มั่นใจได้ว่างานที่ซื้อเป็นของแท้ การสนับสนุนด้วยการซื้อหรือชำระค่าสมาชิกกลับไปยังศิลปินโดยตรงช่วยให้ชุมชนอยู่ได้ ซึ่งสำหรับงานโดจินที่เป็นงานอิสระ วิธีนี้คือหนทางที่ยั่งยืนและให้ผลดีกว่าการพึ่งพาเว็บแจกฟรีที่อาจละเมิดลิขสิทธิ์ ตอนจบผมขอเน้นว่าการเลือกช่องทางถูกต้องไม่เพียงปกป้องสิทธิ์ผู้สร้าง แต่ยังทำให้เรามีผลงานคุณภาพให้ติดตามต่อไป

มีหลายวิธีที่ใช้งานได้จริงเมื่ออยากแปลงจีนตัวย่อเป็นจีนตัวเต็ม และแต่ละวิธีก็มีข้อดีข้อเสียต่างกันไป ที่ผมมักแนะนำให้เริ่มจากการเลือกเครื่องมือก่อน เช่น ถ้าเป็นงานแปลงข้อความจำนวนมากแล้วต้องการความแม่นยำ ระดับมืออาชีพมักเลือกใช้ 'OpenCC' ซึ่งมีโมดูลสำเร็จรูปและสามารถตั้งค่าให้แปลงไปยังรูปแบบ繁體แบบไต้หวันหรือฮ่องกงได้ การแปลงแบบออนไลน์ด้วยเว็บที่รองรับการคัดลอกวางก็สะดวกสำหรับงานด่วน แต่ต้องระวังเรื่องบริบทและคำเฉพาะชื่อคนหรือยศัพท์ที่อาจแปลงผิด เช่น ในข้อความจากงานแปลของ '紅樓夢' บางตัวอักษรต้องเลือกแบบดั้งเดิมของแปลฉบับนั้น การปรับโหมดการแปลงและตรวจทานผลลัพธ์จึงสำคัญ ผมมักจะทำรอบตรวจสองรอบ ทั้งอัตโนมัติและตรวจด้วยสายตา เพื่อให้ข้อความที่ได้ยังคงรสชาติภาษาดั้งเดิมอยู่

อยากได้ชื่อภาษาไทยที่เขียนเป็นคาตาคานะแล้วฟังเป็นญี่ปุ่นจริง ๆ ต้องให้ความสำคัญกับเสียงมากกว่าการสะกดต้นฉบับ ผมมักเริ่มจากใช้ Google Translate เป็นจุดตั้งต้นเพราะมันมีการแสดงผลทั้งตัวอักษรญี่ปุ่นและโรมาจิ หลังจากนั้นเอาโรมาจิมาใส่เครื่องมือแปลงโรมาจิเป็นคาตาคานะอย่าง RomajiDesu เพื่อให้ได้พยางค์ที่สอดคล้องกับระบบเสียงญี่ปุ่น ต่อด้วยการปรับเล็กน้อยเพื่อให้เข้ากับสำเนียง เช่น สระยาวหรือความจำเป็นในการเติมอักษรยืดเสียง ตัวอย่างคร่าว ๆ คือชื่อ "มายา" จะได้แนวทางเป็น マーヤ ซึ่งฟังแล้วค่อนข้างเป็นธรรมชาติสำหรับคนญี่ปุ่น ข้อดีของวิธีนี้คือทำเร็วและเข้าใจง่าย แต่ข้อจำกัดคือเครื่องมืออัตโนมัติมักไม่จับความแตกต่างจังหวะหรือสำเนียงท้องถิ่น ฉะนั้นผมมักจะทดสอบด้วยการพูดช้า ๆ ให้เพื่อนที่พอรู้อ่านหรือส่งให้คนญี่ปุ่นเช็กอีกครั้งก่อนใช้จริง ผลลัพธ์จะออกมาดีและไม่ตกหล่นเรื่องเสียงพยางค์มากนัก

เมื่อต้องย่อภาพที่มีตัวอักษรไทยให้คมชัด ผมมักคิดถึงการเปลี่ยนตัวอักษรเป็นเวกเตอร์ก่อนเสมอ เพราะนั่นคือวิธีที่ได้ผลที่สุดเมื่ออยากให้ขอบตัวอักษรไม่แตกไม่ฟุ้ง การทำงานแบบนี้ผมมักใช้ 'Illustrator' เมื่อเป็นไฟล์ที่มีข้อความจริง ๆ เพราะการแปลงตัวอักษรเป็น outlines แล้วส่งออกเป็น 'SVG' หรือไฟล์ PNG ขนาดใหญ่ จะรักษาความคมได้อย่างแท้จริง ถ้าอยากใช้ของฟรีก็จะเลือก 'Inkscape' ทำหลักการเดียวกัน จากนั้นค่อยเลือกขนาดส่งออกตามพิกเซลที่ต้องการ การทำเวกเตอร์ช่วยให้ขยายลดขนาดโดยไม่เสียรายละเอียด และยังทำให้สามารถปรับเส้นขอบหรือเงาให้เหมาะกับตัวอักษรไทยที่บางครั้งต้องการการปรับ kerning นิดหน่อย แต่เมื่อมีเฉพาะไฟล์แรสเตอร์ที่แก้ไขไม่ได้ ผมจะเปิดด้วย 'Photoshop' แล้วใช้ Smart Object เพื่อให้การย่อ/ขยายไม่ทำลายพิกเซลต้นฉบับ ปรับค่าการรีแซมปลิ่งเป็น Bicubic Sharper หรือ Preserve Details เมื่อย่อ และระวังการบีบอัดไฟล์เมื่อเซฟเป็น PNG หรือ JPEG หากต้องใช้งานบนเว็บ แนะนำบันทึกเป็น SVG เมื่อเป็นโลโก้หรือข้อความที่สร้างใหม่ วิธีนี้ช่วยให้ภาษาไทยยังคงความคมและอ่านง่าย แม้จะย่อจนเล็กก็ตาม