Распознать текст с картинки нейросетью: OCR онлайн

Классический OCR (оптическое распознавание символов) — это алгоритм, который ищет на изображении контуры, похожие на буквы, и сопоставляет их с эталонными шаблонами шрифта. Он быстро распознаёт ровный печатный текст, но спотыкается на наклонном сканировании, нестандартных шрифтах и тем более на почерке — потому что не понимает смысл, а только форму символов.

Нейросети с компьютерным зрением (модули компьютерного зрения в GPT, Gemini, Claude, Qwen, GigaChat и других мультимодальных моделях) работают иначе: они анализируют изображение целиком, как это делает человек — по контексту, порядку слов, логике таблицы или бланка. Это позволяет им читать смазанные фотографии, почерк с сокращениями, многоколоночные документы и сразу переводить текст на другой язык. Наглядный пример прогресса — открытая модель DeepSeek-OCR, представленная в октябре 2025 года: по данным препринта разработчиков, при умеренном сжатии изображения в текстовые токены точность распознавания достигает 97%, а сам подход авторы назвали «оптическим сжатием контекста» — способом уместить больше текста в меньшее количество токенов модели.

Ниже — восемь сервисов, которые реально подходят под запрос «распознать текст с фото»: четыре специализированных OCR-инструмента и четыре мультимодальные нейросети, которые попутно умеют читать текст на изображениях. Цены указаны по официальным тарифам на сентябрь 2026 года, доллары пересчитаны в рубли по курсу ЦБ ~87 ₽/$ — ориентировочно, для оплаты иностранных сервисов российской картой это всё равно не пригодится.

Если задача разовая — сфотографировать страницу, скан или снимок с доски — специализированные OCR-инструменты быстрее универсальных чат-ботов: не нужно формулировать промпт, достаточно перетащить файл в окно.

OLOCR конвертирует изображения, GIF и PDF в редактируемый текст и поддерживает больше 100 языков. Бесплатный тариф работает через общий дневной лимит запросов, платные Member (3,99 $/мес) и Pro (9,99 $/мес) дают отдельную квоту и более точные модели с автокоррекцией ошибок.

ScantextAI — самый простой вариант из четырёх: без регистрации, без оплаты, поддерживает больше 50 языков и форматы JPG, PNG, BMP, GIF, TIFF, WEBP. По описанию сервиса файлы не сохраняются на сервере — распознавание происходит в браузере пользователя. Подходит для единичной задачи «сфотографировал — получил текст», но без пакетной обработки и API.

FormX заточен под бизнес-документы: бланки, квитанции, накладные. Помимо OCR использует Regex-модели для готовых шаблонов, отдаёт данные через API и умеет сканировать с телефона. Первые 100 страниц — бесплатно, дальше оплата помесячная или по факту использования от 0,30 $ за страницу.

Nanonets — интеллектуальная обработка документов с самообучающимся распознаванием: сервис запоминает исправления и с каждым разом точнее читает однотипные счета, квитанции, паспорта. Ценообразование построено на блоках-операциях (классификация, извлечение, проверка, экспорт) — от 0,02 $ за простую операцию до 0,30 $ за сложную с ИИ-анализом; стартовый бесплатный план даёт кредит на $200.

Мультимодальные нейросети не заменяют специализированный OCR один в один, зато не требуют отдельного сервиса: можно сфотографировать страницу учебника, попросить не только распознать текст, но и перевести его или составить конспект — в одном чате.

ChatGPT с моделью на базе GPT-4o понимает изображение целиком: печатный и рукописный текст, формулы, таблицы, сфотографированные под углом страницы. Бесплатного тарифа хватает для разовых задач, для регулярной работы с большими PDF нужна подписка Plus. Из России сервис доступен только через VPN, оплата — зарубежной картой.

Qwen от Alibaba — редкий случай, когда мощная мультимодальная модель работает из России напрямую, без VPN: чат открывается по обычному российскому IP, регистрация не обязательна для базовых запросов. Веб-версия бесплатна и без дневных лимитов на количество сообщений, что делает Qwen одним из самых доступных вариантов для разового распознавания фото — минус в том, что подключение платной подписки из России затруднено из-за расчётов в иностранной валюте.

DeepSeek — ещё один сервис, который в 2026 году открывается из России без VPN: сайт и мобильные приложения работают напрямую, регистрация принимает российский номер. Модель уверенно читает печатный и рукописный текст даже на некачественных фото, а отдельная открытая модель DeepSeek-OCR, о которой шла речь выше, показывает, что распознавание текста для компании — одно из приоритетных направлений. Для платного API нужен зарубежный способ оплаты, но базового чата вместе с загрузкой изображений достаточно для большинства бытовых задач.

GigaChat от Сбера — единственный из восьми сервисов с полноценной оплатой российской картой. В версии Pro нейросеть распознаёт печатный и рукописный текст, формулы, графики и таблицы: можно сфотографировать конспект и получить его краткое содержание с ключевой темой. Бесплатного лимита в 1 миллион токенов в год хватает на нерегулярное использование; для бизнеса цены на API стартуют от 0,065 ₽ за 1000 токенов на модели Lite и доходят до 0,65 ₽ на топовой Max.

Классический OCR почти бесполезен для почерка: он ищет форму печатных букв, а рукописный текст у каждого человека разный. Мультимодальные нейросети справляются лучше, потому что достраивают неразборчивые слова по контексту — как это делает человек, читающий чужую записку. По запросам пользователей чаще всего распознают конспекты лекций, рецепты врачей и старые письма.

Три практических правила для рукописного текста:

• Снимайте при дневном свете или под настольной лампой сбоку — тень от ручки помогает нейросети видеть контур букв, а прямая вспышка сверху, наоборот, «съедает» контраст.
• Если почерк с сокращениями или специфическими терминами (медицинскими, техническими) — уточните это в запросе к нейросети: «это медицинский рецепт, восстанови сокращения лекарств» — точность распознавания заметно выше, чем без контекста.
• Проверяйте цифры отдельно — даты, суммы и номера нейросети иногда путают даже при уверенном распознавании букв, потому что цифры не несут смыслового контекста для проверки.

1. Сфотографируйте документ при равномерном освещении, без бликов и наклона — если страница снята под углом, большинство сервисов сами выравнивают перспективу, но сильный перекос снижает точность.
2. Загрузите файл в выбранный сервис: у специализированных OCR (OLOCR, ScantextAI) — перетаскиванием файла в окно на главной странице, у нейросетей (ChatGPT, Qwen, DeepSeek, GigaChat) — кнопкой со скрепкой в чате.
3. Для чат-ботов сформулируйте задачу явно: «распознай весь текст с изображения и сохрани оригинальное форматирование» — без уточнения модель иногда пересказывает содержание вместо дословного текста.
4. Если нужен результат в Word — попросите нейросеть сразу оформить ответ таблицей или списком, либо используйте специализированный сервис с экспортом в .docx (у большинства OCR-инструментов такая кнопка есть на странице результата).
5. Сверьте цифры, даты и имена собственные вручную — это самое частое место ошибок даже у топовых моделей.

Даже точная нейросеть выдаёт мусор, если исходное фото сделано небрежно. Разберём частые причины провала распознавания и что с ними делать.

• Обрезанные края страницы. Если в кадр не попала часть строки у края листа, модель либо додумывает пропущенные слова, либо просто их опускает. Снимайте с запасом в 1–2 см по периметру.
• Смешение языков без уточнения. Если документ содержит русский и английский текст вперемешку (например, договор с юридическими терминами), явно укажите это в запросе — иначе нейросеть иногда «поправляет» иностранные слова под русскую грамматику.
• Блики от глянцевой бумаги или ламинации. Прямой свет от окна или лампы отражается от глянцевой поверхности и забивает часть текста белым пятном. Снимайте под углом или в рассеянном свете.
• Слишком мелкий шрифт на общем плане. Если сфотографировать целый разворот книги издалека, мелкий шрифт в сносках распознаётся хуже, чем при отдельном снимке крупным планом. Для важных мелких деталей делайте отдельное фото.
• Отсутствие проверки итогового текста. Ни один сервис из этой подборки не даёт стопроцентной точности — особенно на цифрах, датах и именах собственных. Финальную сверку с оригиналом лучше не пропускать, если текст пойдёт в документ или отчётность.

Для бухгалтерии и малого бизнеса разовое распознавание не решает задачу — важно, чтобы сервис запоминал структуру документа и с каждым разом обрабатывал её быстрее без ручной разметки полей. Здесь на первый план выходят FormX и Nanonets: у обоих есть API для интеграции с учётными системами, а Nanonets дополнительно самообучается на исправлениях пользователя. Из мультимодальных нейросетей для этой задачи лучше подходит GigaChat Pro — распознаёт печатные счета и рукописные пометки на русском языке и работает по прямой оплате российской картой без дополнительных посредников.

Отдельный вариант для разработчиков — Yandex Vision OCR, API-сервис Яндекса, который по документации официально распознаёт «печатный и рукописный текст на изображениях и в файлах PDF». Это не готовое приложение с интерфейсом, а инструмент для встраивания в свою систему учёта через REST или gRPC — зато с оплатой напрямую в Yandex Cloud российской картой и без VPN, что делает его удобным выбором для бизнеса, которому нужна не разовая проверка, а автоматизация распознавания внутри собственного сервиса.

При сканировании личных документов — паспорта, СНИЛС, договора — важны две вещи: точность распознавания полей и то, куда уходят загруженные данные. Крупные нейросети (ChatGPT, Gemini, GigaChat) официально не хранят фото для обучения модели по умолчанию в платных тарифах, но в бесплатных версиях чаты могут использоваться для улучшения качества ответов — прежде чем загружать документ с персональными данными, стоит проверить актуальную политику конфиденциальности конкретного сервиса и по возможности закрашивать в кадре лишние поля (например, серию и номер, если нужен только текст договора).

Для многостраничных PDF (десятки страниц договора или методички) разумнее не листать чат-бот по одной странице, а использовать сервис с прямой поддержкой PDF-файлов целиком — так делают OLOCR, FormX и Claude/ChatGPT в тарифах с расширенным контекстом: документ загружается один раз, а нейросеть сохраняет нумерацию и структуру разделов в ответе.

• Разовая фотография страницы или чека — Qwen или DeepSeek: бесплатно, без VPN, без регистрации.
• Рукописный текст, конспекты, рецепты — ChatGPT или GigaChat Pro: лучше достраивают неразборчивые слова по контексту.
• Перевод скана в Word одним кликом, без чата — OLOCR или ScantextAI.
• Поток счетов и накладных для бизнеса — FormX или Nanonets с API и автоматизацией.
• Оплата российской картой обязательна — на сегодня из восьми сервисов это только GigaChat.

Однозначно «лучшей» нейросети для распознавания текста с фото не существует — у задачи слишком разные сценарии. Для разового снимка страницы книги или чека хватит бесплатного чата без VPN — Qwen или DeepSeek справятся за секунды и не потребуют регистрации. Если нужно распознать почерк, восстановить смысл смазанного фото или сразу перевести текст на другой язык, точнее работают мультимодальные модели с развитым языковым пониманием — ChatGPT и GigaChat Pro. А для потока однотипных документов в бизнесе — счетов, накладных, квитанций — специализированные платформы с API и самообучением (Nanonets, FormX) экономят время не на одном распознавании, а на всей цепочке обработки. Ориентируйтесь на таблицу выше: колонки «Доступ из РФ» и «Оплата картой РФ» часто решают выбор быстрее, чем сравнение точности.

• Нейросеть для написания текстов и копирайтинга
• Нейросеть-переводчик текста
• Нейросеть для пересказа и суммаризации текста
• Нейросеть для деловых писем