मॅक्रोमध्ये स्क्रीनवरून मजकूर कसा वाचावा

Windows मॅक्रोमध्ये स्क्रीन OCR: कोणत्याही विंडोतून संख्या, स्थिती किंवा नाव वाचा, मग त्याचे काय करायचे ते ठरवा.

१८ सप्टेंबर २०२६ रोजी अपडेट केले · स्क्रीन मजकूर वाचणे Myna Recorder मधील Pro प्लॅनचा भाग आहे; प्रत्येक नवीन खाते ते ७ दिवस मोफत वापरून पाहते.

1. read_text काय करते

बहुतेक मॅक्रो टूल्स क्लिक आणि टाइप करू शकतात, पण स्क्रीनवर काय लिहिले आहे ते सांगू शकत नाहीत. read_text स्क्रीनचा एक आयत variable मध्ये वाचते, आणि तिथून मूल्य दुसरीकडे टाइप करता येते, तुलना करता येते, किंवा संदेशात वापरता येते:

total = read_text(region=(820, 400, 180, 40), single_line=True)
message_box("The order total was ${total}")

2. क्षेत्र निवडा

नेहमी region=(x, y, width, height) द्या. संपूर्ण डेस्कटॉप वाचल्यास सामान्य इंटरफेस मजकूर वाचता न येईल इतका लहान होतो. तुम्हाला हव्या असलेल्या फील्डच्या आकाराचा region जलद आणि अचूक आहे. single_line=True जे काही परत येते ते एका ओळीत जोडते, जे संख्या किंवा नावासाठी हवे असते. region मधील प्रत्येक संख्या variable किंवा बेरीज असू शकते, त्यामुळे region wait_for ने सापडलेल्या जुळणीनुसार पुढे जाऊ शकतो.

3. तीन रीडर

engine=	हे काय आहे	क्रेडिट लागतात	निर्यात केलेल्या प्रोग्राममध्ये सोबत जातो
"builtin"	डीफॉल्ट. तुमच्या संगणकावर चालतो.	नाही	होय
"tesseract"	दुसरा स्थानिक रीडर. काही स्क्रीन अंगभूत रीडरपेक्षा चांगले वाचतो आणि काही वाईट, आणि चित्र ओळींमध्ये कसे विभागायचे ते नियंत्रित करण्यासाठी page_mode= घेतो. वाचन जवळजवळ बरोबर पण चुकीचे असेल तेव्हा वापरून पहा.	नाही	होय
"ai"	आमच्या सर्व्हरवरील ट्रान्सक्रिप्शन मॉडेल, दोन्ही स्थानिक रीडरनी चुकीचे वाचलेल्या मजकुरासाठी.	होय	नाही

इंजिन प्रत्येक चरणासाठी निवडले जाते, त्यामुळे एक मॅक्रो सर्वत्र मोफत रीडर आणि नेमक्या महत्त्वाच्या फील्डवर AI रीडर वापरू शकतो.

4. निकाल स्वच्छ करा आणि वापरा

total = read_text(region=(820, 400, 180, 40)).to_number()
if total < 1000:
    notify("Total looks low: ${total}")

Methods परत आलेले स्वच्छ करतात; .to_number() तुम्ही सर्वात जास्त वापराल. रिकामा region रिकामी स्ट्रिंग साठवतो आणि रन चालू राहतो, त्यामुळे तुम्ही लिहिलेली अट रिकाम्या आणि मूल्यासाठी दोन्ही तपासा. variables dock रनदरम्यान प्रत्येक variable थेट दाखवतो, रीडरने खरोखर काय परत दिले ते पाहण्याचा सर्वात जलद मार्ग.

5. AI ला कधी विचारायचे

read_text ट्रान्सक्रिप्ट करते. स्क्रीनबद्दल तर्क करण्यासाठी ask_ai वापरा: "किती रांगा लाल आहेत?", "एरर डायलॉग आहे का?". तीन भूमिका: "count" एक संख्या आणि प्रत्येक गोष्ट कुठे आहे ते परत देते, जेणेकरून मॅक्रो तिच्यावर क्लिक करू शकेल; "explain" लॉग किंवा सूचनेसाठी एक वाक्य परत देते; "read" तुम्ही निवडलेल्या मॉडेलसह ट्रान्सक्रिप्ट करते. त्याच कारणासाठी त्याला छोटा region द्या: मॉडेल संपूर्ण डेस्कटॉपवरील गोष्टी मोजू शकते, पण मग त्या शोधू शकत नाही. प्रत्येक कॉलला क्रेडिट लागतात आणि एका रनला ६० AI कॉलची मर्यादा आहे. तपशील मॅन्युअल मध्ये आहेत.

6. मॅक्रो चालत असताना मजकुरावर लक्ष ठेवा

चरण एकदाच वाचतो, जिथे तुम्ही ठेवता. Ask AI वर सेट केलेली वॉच रो संपूर्ण रनमध्ये, किंवा Start watching नंतर स्वतंत्रपणे, पाहते आणि उत्तर येते किंवा जाते तेव्हा ट्रिगर होते. ती पॉप-अप दाखवू शकते, स्क्रीनशॉटसह Telegram किंवा Discord संदेश पाठवू शकते, किंवा मॅक्रो थांबवू शकते. प्रत्येक लूपमध्ये त्यासाठी चरण न ठेवता, रात्री ३ वाजता "session expired" बॅनरबद्दल तुम्हाला कळवले जाते तसे हे होते.

7. खर्च, प्लॅन आणि निर्यात

स्क्रीन मजकूर वाचन आणि ask_ai Pro प्लॅनमध्ये समाविष्ट आहेत, ज्यात दर ३० दिवसांनी 3,000 क्रेडिटही येतात. दोन स्थानिक रीडर कधीही क्रेडिट खर्च करत नाहीत.
engine="ai", ask_ai आणि AI वॉच रो क्रेडिट खर्च करतात आणि प्रोग्राम म्हणून निर्यात अडवतात. अंगभूत किंवा Tesseract रीडरने वाचणारा मॅक्रो व्यवस्थित निर्यात होतो, रीडर फाइलच्या आत असतो.
प्लॅन आणि क्रेडिट पॅक किंमत पृष्ठावर आहेत.

Myna Recorder डाउनलोड करा मॅन्युअलमध्ये मजकूर वाचन