Как прочитать текст по фото с помощью нейросети: пошагово

Чтобы получить текст со снимка, отдельная программа для распознавания не нужна. Подойдёт нейросеть, которая работает с текстом на русском, если она принимает картинки: прикрепляете фото, пишете, что вытащить и в каком виде, и получаете текст. Так переписывают печатные страницы, разборчивые конспекты, таблицы из отчётов, надписи на вывесках и скриншоты.

Результат зависит от трёх вещей: снимка, запроса и модели. Дальше - порядок действий, готовые шаблоны и способы проверить, что модель ничего не додумала.

Что нейросеть может прочитать по фото, а что нет

Читает уверенно: печатный текст на ровной странице, скриншоты, таблицы с чёткими границами, надписи на табличках и упаковке, набранные формулы.

Ошибается чаще:

• беглый почерк;
• мелкий шрифт, снятый издалека;
• текст на изгибе: у корешка книги, на бутылке;
• выцветшие документы и копии копий;
• таблицы с объединёнными ячейками.

Невидимое модель не прочитает. Если слово закрыто пальцем или ушло в блик, она его не восстановит, но может подставить правдоподобный вариант. Это главный риск: классическая программа распознавания выдаёт на плохом месте набор случайных символов, а нейросеть - гладкий текст, который выглядит верным.

Нейросеть читает снимок, но не правит его. Для обработки самого кадра нужны нейросети для работы с фотографиями.

Как подготовить снимок, чтобы текст распознался с меньшим числом ошибок

• Снимайте сверху, телефон параллельно странице. При перекосе первыми теряются концы строк.
• Свет рассеянный, без вспышки: на глянцевой бумаге вспышка даёт блик посередине.
• Одна страница - один кадр. Разворот книги снимите двумя кадрами.
• Кадрируйте по краю текста, но оставьте поля: обрезанные первые буквы модель будет угадывать.
• Не пересылайте фото через мессенджер перед загрузкой: при сжатии мелкий шрифт размывается.

Проверка простая: если вы читаете каждое слово на экране телефона без увеличения, модель, скорее всего, тоже прочитает. Если приходится увеличивать, переснимите ближе.

Пошагово: загружаем фото в чат и получаем текст

1. Выберите текстовую модель, которая принимает картинки. Для первого захода хватит недорогой, о выборе - в следующем разделе.
2. Прикрепите фото к сообщению.
3. Вставьте запрос по каркасу ниже.
4. Сверьте ответ по чек-листу из раздела о проверке.

Каркас из четырёх строк:

Роль: ты аккуратный наборщик, переписываешь текст с фото без правок.
Задача: прочитай текст на прикреплённом фото и перепиши его дословно.
Формат: сохрани абзацы, заголовки и списки; таблицы выведи в Markdown.
Ограничения: не исправляй опечатки оригинала и ничего не добавляй от себя; неразборчивые слова отметь [?], нечитаемые куски - [нечитаемо].
Скопировать

Тот же каркас под страницу договора:

Роль: ты наборщик юридических документов.
Задача: перепиши текст договора с фото, это страница 3 из 5.
Формат: нумерацию пунктов сохрани как в оригинале (4.1, 4.2), суммы и даты - цифрами.
Ограничения: ничего не сокращай и не пересказывай; если цифра читается двояко, дай оба варианта в скобках.
Скопировать

Где спотыкаются. Без строки «не исправляй» модель молча правит грамматику, старую орфографию и опечатки, и текст перестаёт совпадать с оригиналом. Без строки формата она склеивает строки стихов и пунктов списка в сплошной абзац.

Базовый запрос можно открыть в чате по ссылке и дописывать в нём уточнения.

Какие модели читают фото: сравнение по задачам и стоимости в кредитах

Цены даны в кредитах за запуск в Молекуле. Актуальная стоимость видна рядом с моделью.

Порядок такой: первый заход - на модели за 1-2 кредита. Если в ответе больше двух-трёх пометок [?] на страницу или съехали столбцы таблицы, повторите тот же запрос на Gemini 3.1 Pro или Claude Opus 5.5. Неудачная попытка на дешёвой модели стоит 1-2 кредита. Сильная модель на каждую страницу обходится в 6-20 раз дороже, а на чистой печати результат от этого может не улучшиться.

Для масштаба: тариф «Промо» даёт 1000 кредитов в месяц. Это тысяча запусков ChatGPT 6 Luna или 50 запусков Claude Opus 5.5.

Почерк, таблицы, формулы и схемы: как просить под каждый случай

Почерк

Перепиши рукописный текст с фото. Сохраняй переносы строк как в оригинале. Если слово читается неуверенно, дай лучший вариант и поставь после него [?]. Не исправляй орфографию автора.
Скопировать

Добавьте контекст: «это конспект лекции по органической химии». Термины модель разберёт точнее, но и подставлять знакомые слова на неразборчивые места будет охотнее, поэтому все [?] проверяйте глазами.

Таблицы

Выведи таблицу с фото в формате Markdown. Сохрани порядок строк и столбцов. Значение объединённой ячейки повтори в каждой строке, которую она покрывает. Числа переписывай как есть, без округления и пересчёта итогов.
Скопировать

Если таблица пойдёт в Excel, просите CSV с точкой с запятой в качестве разделителя: русская версия Excel открывает такой файл сразу по столбцам.

Формулы

Просите LaTeX: «Перепиши формулы в LaTeX, каждую отдельной строкой, текст между ними - обычным текстом». Индексы и степени в LaTeX видны явно, их проще сверить.

Схемы и скриншоты

Схему модель не переписывает, а пересказывает. Задайте структуру: «Перечисли блоки схемы и связи между ними списком: откуда, куда, подпись связи».

Как проверить результат и найти ошибки распознавания

• Сверьте с оригиналом числа, даты, фамилии и суммы. Модель редко помечает их как сомнительные, а ошибка в них стоит дороже всего.
• Посчитайте строки таблицы и абзацы. Пропуск целой строки на длинной таблице заметен только при подсчёте.
• Прочитайте конец страницы. На длинном тексте модель иногда пересказывает последние абзацы вместо дословного текста.
• Прогоните то же фото через модели разных разработчиков, например ChatGPT 6 Luna и Gemini 3.8 Flash: это 3 кредита на двоих. Попросите одну из них найти расхождения между двумя версиями. Совпавшие куски скорее всего верны, расхождения проверьте по фото.

Результат годен, когда все [?] разобраны, числа сверены, а количество строк совпадает с оригиналом.

Несколько страниц и длинные документы за один запрос

Лимит вложений в Молекуле зависит от модели: у ChatGPT-моделей до 10 картинок за запрос, у Gemini до 16, у Claude до 20, у Llama 4 Scout и Perplexity Sonar до 5.

Забивать запрос до лимита не стоит: чем больше страниц за раз, тем выше шанс, что модель сократит середину. Рабочий размер пакета - около пяти страниц. Добавьте в запрос строку:

Фото пронумерованы по порядку. Перед текстом каждой страницы пиши строку «Страница N». Ничего не сокращай.
Скопировать

Потом проверьте, что в ответе есть все заголовки «Страница N». Если какого-то нет, отправьте эту страницу отдельно.

Перевод, конспект и пересказ прочитанного текста

Делайте в два шага: сначала дословный текст и проверка, потом обработка в том же чате. Если просить перевод сразу, ошибка распознавания растворится в переводе, и вы её не найдёте.

Переведи текст выше на русский. Термины, в которых не уверен, оставь в оригинале в скобках.
Скопировать

Сделай конспект текста выше: 5-7 пунктов, в каждом одна мысль. Цифры и имена сохрани точно.
Скопировать

Для надписи в поездке хватит одного шага: «Что написано на табличке и что это значит?». Цена ошибки там низкая. Если нужен перевод на самой картинке, это другая задача: заменить текст прямо на фото.