Rótulos de calle y de tiendas con texto para entrenamiento OCR
Datos OCR · India

Datos de entrenamiento OCR
en India

Recopila pares de foto y transcripción en India: recibos, rótulos de tiendas, menús y etiquetas en alfabetos índicos e inglés indio. Tú defines las reglas de captura y apruebas cada par.

Texto de referencia en alfabetos índicos

Foto más el texto transcrito exacto: devanagari, tamil, bengalí, ₹ y líneas mixtas.

Captura real, no escaneos limpios

Recibos térmicos, etiquetas de tiendas kirana y rótulos fotografiados con el teléfono.

Tú filtras cada par

Compara la imagen con la transcripción. Paga solo cuando el par sea exacto.

200+

Países

13,487

Tareas publicadas

195,000+

Trabajadores disponibles

~4 horas

Tiempo medio hasta los primeros resultados

Por qué India

Qué hace fallar al OCR con texto indio en entornos reales

Los conjuntos de entrenamiento solo en alfabeto latino y con escaneos de estudio fallan con el texto índico de las tiendas y los recibos térmicos. Recopila pares que se parezcan a las fotos de producción.

Dos alfabetos en un mismo rótulo

Hindi + inglés, tamil + inglés, bengalí + latino: la línea que tu modelo debe leer suele ser mixta, no un ejemplo de libro de texto.

Precios térmicos y manuscritos

Los recibos kirana descoloridos y las etiquetas escritas con tiza o bolígrafo hacen fallar a los modelos entrenados con PDF limpios y facturas occidentales.

Reflejos en la cámara y sol intenso

Rótulos con cristal, luz de mediodía, sombra bajo toldos. Recopila las condiciones de captura que los usuarios envían de verdad.

Mecanógrafos nativos como etiquetadores

Los participantes escriben lo que ven (ligaduras, ₹, abreviaturas) para que el texto de referencia coincida con la foto.

Fuentes

Dónde está el texto en India

Elige la superficie en la que falla tu modelo. Los participantes la fotografían con el teléfono o rellenan tus plantillas en blanco con datos ficticios.

  • Recibos de tiendas

    Recibos térmicos de tiendas kirana y cafeterías: descoloridos, doblados, medio cortados.

  • Facturas y cuentas

    Diseños locales, líneas tipo GST y encabezados en varios idiomas.

  • Menús

    Menús impresos o plastificados; índico + inglés en la misma página.

  • Etiquetas de precio

    Importes en ₹ escritos a mano y pegatinas de estantería bajo plástico.

  • Etiquetas de productos

    Texto de envases, ingredientes y marcas en productos reales.

  • Rótulos de tiendas y calles

    Rótulos pintados, neón y avisos impresos en alfabetos mixtos.

  • Notas manuscritas

    Listas y libros de cuentas: útiles cuando el OCR de impresos no basta.

  • Formularios impresos

    Listas de control y solicitudes rellenadas; tapa los campos personales.

  • Formularios de plantilla

    Tus formularios en blanco rellenados con datos ficticios: lo más seguro frente a PII.

Privacidad

Los documentos filtran datos: escribe las instrucciones para evitarlo

La recopilación OCR conlleva un alto riesgo para los datos personales. Lo seguro por defecto son las plantillas ficticias; los recibos reales requieren reglas para tapar datos y rechazos estrictos.

El propósito antes de aceptar

Indica que las personas fotografían texto para entrenamiento OCR. Los participantes lo ven antes de empezar.

Sin documentos de identidad ni bancarios

Prohíbe en las instrucciones Aadhaar, PAN, pasaportes y extractos. Mejor usa tus plantillas en blanco con campos ficticios.

Tapa o difumina la PII en objetos reales

Nombres, teléfonos y números de tarjeta se tapan antes de la foto. Rechaza las filtraciones en la revisión. El cumplimiento de la DPDP es tuyo para todo lo que pueda identificar a una persona.

Unas mismas instrucciones

Las mismas instrucciones, distintos alfabetos

Unas mismas instrucciones en inglés. Participantes de distintas ciudades devuelven el mismo tipo de tarea, con el alfabeto local en la foto y en la transcripción.

Tus instrucciones

Fotografía el rótulo de tienda o el cartel de precios más cercano. Escribe cada carácter exactamente, incluidos ₹ y las líneas mixtas en inglés. No adivines el texto borroso.

HindiDelhi

ताज़ा सब्ज़ी · ₹40

HinglishMumbai

Fresh Juice · ₹40

TamilChennai

புதிய காய்கறிகள்

BengalíKolkata

তাজা সবজি

  1. 01

    Escribe unas instrucciones: superficie que fotografiar, alfabeto que transcribir y reglas de caracteres exactos.

  2. 02

    Elige India como país; indica ciudad o alfabeto si necesitas una composición más concreta.

  3. 03

    Rechaza los pares en los que la línea escrita no coincida con la foto.

Cómo funciona

El par no es opcional

El entrenamiento OCR necesita la imagen y su texto de referencia (ground truth) unidos. Esa es la unidad que pagas y la unidad que revisas.

Crear una tarea OCR
  1. Define el par

    Elige Recopilación de imágenes, la superficie que fotografiar y el alfabeto que transcribir. Exige transcripción línea por línea con ₹, dígitos y símbolos exactos.

  2. Elige India

    Selecciona India en los ajustes de país e indica los idiomas que necesitas, como hindi e inglés.

  3. Captura y transcripción a la vez

    Un envío es una foto más su transcripción. Lectores nativos escriben el texto índico, así que nunca recibes lotes solo de imágenes.

  4. Filtra por coincidencia de caracteres

    Aprueba solo cuando el texto escrito coincida con la foto. Para controles más estrictos, lanza una segunda tarea que revise los pares.

Comparativa

Lotes comprados frente a recopilación por pares

Quienes compran datos OCR eligen entre lotes etiquetados opacos y pares de foto y texto controlados. RapidWorkers es la segunda vía: las reglas de alfabeto y el filtro de revisión son tuyos.

Qué revisar

Lote de documentos etiquetados

RapidWorkers

Unidad de trabajo

Páginas o imágenes con etiquetas del proveedor

Foto + transcripción que tú revisas

Alfabetos índicos

A menudo una lista fija y corta de idiomas

Indica devanagari, tamil, bengalí… en las instrucciones

Inicio

Presupuesto y volumen mínimo

Piloto desde $0.30 el mismo día

Control

El proveedor entrega un conjunto terminado

Rechazas los pares malos antes del pago

Privacidad

No está claro cómo se trató la PII

Tus instrucciones prohíben documentos de identidad; ves cada archivo

Iteración

Nuevo contrato para más alfabetos

Amplía la misma tarea tras el piloto

Cómo trabajamos

Pares en autoservicio o cobertura de alfabetos gestionada

Haz tú la revisión carácter a carácter o deja que nuestro equipo gestione la combinación de alfabetos, el reclutamiento y el control de calidad en India.

Autoservicio

Las instrucciones y cada par son tuyos

Lanza una tarea de imágenes para India, exige foto + transcripción exacta y acepta o rechaza tú mismo cada par.

Crear una tarea OCR para India

Totalmente gestionado

Cubrimos los alfabetos y revisamos los pares

Planificamos devanagari / tamil / bengalí (o tu lista), reclutamos, revisamos las transcripciones y entregamos en tu formato.

Habla con nosotros
Precios

Paga por pares, no por suposiciones

Una foto de un rótulo con tres líneas escritas cuesta menos que un recibo de muchas líneas. La tarifa depende del esfuerzo de transcripción. La comisión del 15 % de la plataforma está en la estimación.

?
?
min
?
$
Preguntas frecuentes

Preguntas frecuentes

Una foto con el teléfono de un recibo, rótulo, menú o etiqueta más su transcripción exacta en el alfabeto índico o el inglés indio que pediste. Revisas el par carácter a carácter antes del pago y puedes lanzar una segunda tarea que revise los pares.

Devanagari, bengalí, tamil, telugu, guyarati, canarés, malayalam, oriya, gurmukhi y urdu, además del latino para inglés indio y hinglish. Indica el alfabeto en las instrucciones y empieza con un piloto de 20 pares para los alfabetos menos comunes.

Sí. Exige transcripción línea por línea que conserve las líneas con alfabetos mixtos, las ligaduras, ₹, los dígitos y los símbolos exactamente como están impresos, sin adivinar el texto borroso.

La segmentación por país es India. Indica la ciudad, el estado o el alfabeto en tus instrucciones y rechaza los pares que no correspondan.

Prohíbe en las instrucciones Aadhaar, PAN, pasaportes y extractos bancarios, y usa preferentemente tus plantillas en blanco rellenadas con datos ficticios. En recibos reales, exige que se tapen nombres, teléfonos y números de tarjeta y rechaza las filtraciones; el cumplimiento de la Ley DPDP es tuyo para todo lo que pueda identificar a una persona.

Tú fijas el pago por envío, desde $0.10, más una comisión de plataforma del 15 %. Un rótulo con tres líneas escritas cuesta menos que un recibo de muchas líneas transcrito por completo, y un piloto empieza desde $0.30 el mismo día.

Sí. Planificamos la combinación de devanagari, tamil, bengalí u otros alfabetos, reclutamos participantes, revisamos las transcripciones y entregamos los pares en tu formato.