IronOcr vs Azure OCR PDF : Quelle solution extrait le mieux le texte ?

Comment comparer ces deux solutions OCR en un coup d'œil ?

Quelles sont les principales différences entre le traitement OCR en nuage et le traitement OCR local ?

La distinction fondamentale réside dans l'endroit où l'extraction de texte a lieu. Azure AI Document Intelligence (anciennement Azure Form Recognizer) traite les documents sur l'infrastructure cloud de Microsoft. Les développeurs téléchargent des fichiers sur le portail Azure ou les envoient via l'API Read, et le service analyse à distance les images et les documents numérisés. Cette approche nécessite une connexion Internet, des identifiants Azure actifs et engendre des coûts par page qui évoluent en fonction du volume de vos documents.

IronOCR fonctionne entièrement sur votre machine locale ou votre serveur, ce qui le rend parfaitement adapté aux organisations ayant des exigences en matière de confidentialité des données ou aux environnements isolés du réseau. La bibliothèque est basée sur Tesseract OCR — l'un des moteurs OCR open-source les plus utilisés — et y ajoute une API .NET soignée. La bibliothèque fonctionne sans appels d'API externes, offrant aux développeurs un contrôle total sur leur processus de traitement de documents. Pour les applications de bureau, les applications web ou les traitements par lots, le traitement local élimine la latence réseau et la dépendance à la disponibilité de services tiers.

Les services Azure Vision et Azure Form font tous deux partie de l'ensemble plus vaste des services d'IA Azure. Les fonctionnalités de vision artificielle d'Azure permettent d'analyser des images à des fins générales, tandis que Document Intelligence gère spécifiquement l'extraction de texte à partir de documents contenant des langues mixtes et des mises en page complexes. Les organisations déjà fortement investies dans l'écosystème Azure peuvent préférer cette intégration, mais celle-ci engendre des coûts continus et une dépendance au cloud.

L'architecture d'IronOCR est idéale pour les situations où la prévisibilité des coûts et la souveraineté des données sont primordiales. Une licence perpétuelle unique couvre le traitement illimité des pages, ce qui rend les applications à fort volume de données nettement plus rentables sur le long terme qu'un service cloud facturé à la page.

Comment installer IronOCR via NuGet?

Avant d'écrire du code OCR, vous devez ajouter le package NuGet IronOCR à votre projet .NET . La méthode la plus simple utilise la console du gestionnaire de packages NuGet :

Install-Package IronOcr

Install-Package IronOcr

Vous pouvez également utiliser l'interface de ligne de commande .NET :

dotnet add package IronOcr

dotnet add package IronOcr

Une fois l'installation terminée, définissez votre clé de licence avant d'utiliser les méthodes IronOCR . Vous pouvez le faire dans le code de démarrage de votre application :

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

Pendant la phase de développement, vous pouvez utiliser l' essai gratuit de 30 jours sans saisir de clé. Le filigrane d'essai est présent, mais le système est par ailleurs parfaitement fonctionnel pour l'évaluation.

Pour Azure Document Intelligence, vous avez besoin d'un abonnement Azure actif, d'une ressource Document Intelligence créée dans le portail Azure et du package NuGet Azure.AI.FormRecognizer installé séparément. Vous devez également stocker et gérer en toute sécurité les URL des points de terminaison et les clés API dans la configuration de votre application.

Comment extraire du texte à partir de fichiers PDF et TIFF?

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("document.pdf");
var result = ocr.Read(input);

Console.WriteLine($"Pages processed: {result.Pages.Length}");
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("document.pdf");
var result = ocr.Read(input);

Console.WriteLine($"Pages processed: {result.Pages.Length}");
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("archive-scan.tiff");
var result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Frame {page.PageNumber}: {page.Text}");
}

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("archive-scan.tiff");
var result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Frame {page.PageNumber}: {page.Text}");
}

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

var client = new DocumentAnalysisClient(
    new Uri(endpoint),
    new AzureKeyCredential(key));

using var stream = File.OpenRead("document.pdf");
var operation = await client.AnalyzeDocumentAsync(
    WaitUntil.Completed, "prebuilt-read", stream);

var result = operation.Value;
foreach (var page in result.Pages)
{
    foreach (var line in page.Lines)
    {
        Console.WriteLine(line.Content);
    }
}

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

var client = new DocumentAnalysisClient(
    new Uri(endpoint),
    new AzureKeyCredential(key));

using var stream = File.OpenRead("document.pdf");
var operation = await client.AnalyzeDocumentAsync(
    WaitUntil.Completed, "prebuilt-read", stream);

var result = operation.Value;
foreach (var page in result.Pages)
{
    foreach (var line in page.Lines)
    {
        Console.WriteLine(line.Content);
    }
}

Quelle solution permet de créer de meilleurs PDF consultables ?

La conversion des documents numérisés en PDF consultables est une exigence courante pour l'archivage de documents, la conformité légale et l'indexation pour la recherche en texte intégral. IronOCR offre cette fonctionnalité grâce à une méthode dédiée SaveAsSearchablePdf :

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("scanned.pdf");
var result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created successfully.");

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("scanned.pdf");
var result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created successfully.");

Comment les prix se comparent-ils pour le traitement des documents ?

La structure tarifaire est l'une des différences pratiques les plus importantes entre les deux solutions. Le modèle de paiement à la page d'Azure facture en fonction du modèle prédéfini spécifique utilisé. Selon la page officielle de tarification d'Azure de Microsoft , l'API Read coûte environ 1,50 $ pour 1 000 pages, tandis que les modèles prédéfinis pour les formulaires et les factures peuvent coûter jusqu'à 10 $ pour 1 000 pages. Les utilisateurs à volume élevé peuvent négocier des niveaux de tarification basés sur l'engagement, mais les coûts s'accumulent en continu tant que l'application fonctionne.

Pour une équipe de développement traitant 100 000 pages par mois (un volume modeste pour les flux de travail documentaires Enterprise ), les frais Azure pourraient varier de 150 $ à 1 000 $ par mois, indéfiniment.

IronOCR propose des licences perpétuelles à partir d'un paiement unique pour un seul développeur. Cet investissement unique couvre le traitement illimité des pages sans frais supplémentaires. Pour connaître les tarifs actuels complets, veuillez consulter la page de licences IronOCR . Pour les applications analysant des milliers de documents par mois, le seuil de rentabilité par rapport aux frais par page d'Azure est généralement atteint dans les premiers mois d'exploitation.

Les deux solutions prennent en charge la reconnaissance optique de caractères pour les textes imprimés et manuscrits dans de nombreuses langues. IronOCR propose 125 packs de langues , y compris la prise en charge de plusieurs langues au sein d'un même document. Vous pouvez télécharger les fichiers de données linguistiques individuellement ou par lots, selon les besoins de votre application.

Comment fonctionne l'assistance linguistique et multilingue ?

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;

// For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput("multilingual-doc.pdf");
var result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;

// For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput("multilingual-doc.pdf");
var result = ocr.Read(input);
Console.WriteLine(result.Text);

Comment gérez-vous le traitement par lots de documents ?

using IronOcr;
using System.Collections.Generic;
using System.Threading.Tasks;

var pdfFiles = Directory.GetFiles("input-folder", "*.pdf");
var results = new List<string>();

await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
{
    var ocr = new IronTesseract();
    using var input = new OcrInput(file);
    var result = ocr.Read(input);
    lock (results) { results.Add(result.Text); }
});

Console.WriteLine($"Processed {results.Count} documents.");

using IronOcr;
using System.Collections.Generic;
using System.Threading.Tasks;

var pdfFiles = Directory.GetFiles("input-folder", "*.pdf");
var results = new List<string>();

await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
{
    var ocr = new IronTesseract();
    using var input = new OcrInput(file);
    var result = ocr.Read(input);
    lock (results) { results.Add(result.Text); }
});

Console.WriteLine($"Processed {results.Count} documents.");

Quelles sont vos prochaines étapes ?

IronOCR offre aux développeurs .NET une solution simple pour extraire le texte de documents locaux avec précision, sans dépendance au cloud ni frais par page. Pour les équipes qui développent des applications traitant des fichiers PDF, TIFF ou des images numérisées, le modèle de licence perpétuelle et la création de PDF consultables par méthode unique réduisent à la fois les coûts et la complexité d'intégration par rapport à un service OCR basé sur le cloud.

Commencez à explorer les fonctionnalités d'IronOCR :

• Téléchargez et installez IronOCR via NuGet -- guide d'installation complet et prérequis
• Consultez les guides pratiques : instructions étape par étape pour les tâches OCR courantes
• Afficher les packs de langue -- parcourir plus de 125 langues prises en charge
• Explorez la création de PDF consultables : convertissez des documents numérisés en un seul appel de méthode
• Consultez les licences IronOCR : licences perpétuelles à usage unique pour les particuliers, les équipes et les organisations
• Parcourez des exemples de code : des modèles OCR concrets, prêts à être utilisés dans votre projet.

Azure Document Intelligence reste pertinent pour les organisations qui ont déjà investi dans l'écosystème de Microsoft ou qui ont besoin de modèles de formulaires préconstruits spécifiques. Cependant, pour les tâches OCR simples, la création de PDF consultables et des coûts opérationnels prévisibles, le modèle de traitement local et l'API conviviale d'IronOCR en font le choix le plus judicieux pour les projets .NET .