معمولاً پروژه‌های شخصی من از یک ایده بزرگ شروع نمی‌شوند؛ از یک مشکل تکراری شروع می‌شوند. 🙂

چند وقتی بود موقع مطالعه مقاله‌ها، دیدن ویدئوهای آموزشی و حتی برنامه‌نویسی، مدام به دو مشکل برمی‌خوردم. هر بار یا باید چند ابزار مختلف را باز می‌کردم یا یک کار ساده را با کلی مرحله انجام می‌دادم. آخرش گفتم چرا خودم چیزی نسازم؟

نتیجه‌اش دو پروژه کوچک شد که تصمیم گرفتم به‌صورت Open Source منتشرشان کنم:

🔹 ScreenOCR
ابزاری سبک برای استخراج متن از هر بخش صفحه. فقط ناحیه موردنظر را انتخاب می‌کنید، متن با OCR استخراج می‌شود و مستقیماً در کلیپ‌بورد قرار می‌گیرد. برای زمانی که متن داخل تصویر، PDF، ویدئو یا هر جای دیگری از صفحه قابل کپی نیست، واقعاً کار را سریع‌تر می‌کند. البته این ابزار بیشتر برای لینوکس هست چون ویندوز این قابلیت رو بهتر هم داره😬 هرچند روی لینوکس هم ابزاری مثل Frog وجود داره، ولی برنامه من امکانات بیشتر، راحتی استفاده و پشتیبانی از زبان فارسی رو داره.

🔹 RCMIC
این پروژه را برای ساده‌تر شدن استفاده از میکروفون و مدیریت ورودی صوتی در سناریوهای مختلف ساختم. هدفش این بود که به‌جای درگیر شدن با تنظیمات تکراری، بتوانم سریع‌تر روی کاری که انجام می‌دهم تمرکز کنم. میتونید صحبت کنید و تایپ کنه یا یک فایل صوتی رو آپلود کنید تا متنشو بگیرید. بدون API از سمت خودتون و رایگان.

در نهایت با خودم گفتم شاید این ابزارها فقط به درد من نخورند؛ شاید برای افراد دیگری هم مفید باشند. به همین خاطر هر دو را روی GitHub به‌صورت متن‌باز منتشر کردم.

اگر از آن‌ها استفاده کردید یا ایده‌ای برای بهتر شدنشان دارید، خوشحال می‌شوم نظرتان را بدانم. مشارکت و Pull Request هم همیشه استقبال می‌شود. 🚀

پ ن : در حال بهبود و بهینه سازی ابزار هستم و اگر باگی پیدا شد ( که حتما هم میشه😬) گزارش بدید تا فیکس کنم.

📦 ScreenOCR
https://github.com/Mtgama/screenOCR

📦 RCMIC
https://github.com/Mtgama/rcmic

➖➖➖➖➖
🔺 @hitwithit