Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
ML Kit'in dijital mürekkep tanıma API'si sayesinde elle yazılmış metinleri tanıyabilir, dijital bir yüzeydeki yüzlerce dilde hareketleri sınıflandırabilir ve çizimleri sınıflandırabilirsiniz. Dijital mürekkep tanıma API'si; Gboard, Google Çeviri ve Hızlı, Çizim! oyununda el yazısı tanımayı destekleyen teknolojiyi kullanır.
Dijital mürekkep tanıma özelliği aşağıdakileri yapmanıza olanak tanır:
Sanal klavyede yazmak yerine ekranda yazabilirsiniz. Bu, kullanıcıların latin alfabe klavyeleri için ệ, अ veya 森 gibi klavyelerinde bulunmayan karakterleri çizmesine olanak tanır.
Hareketleri kullanarak temel metin işlemlerini (gezinme, düzenleme, seçme vb.) gerçekleştirin.
Elle çizilmiş şekilleri ve emojileri tanıma.
Dijital mürekkep tanıma özelliği, kullanıcının ekranda çizdiği çizgilerle çalışır. Kamerayla çekilen resimlerdeki metinleri okumanız gerekiyorsa Text Recognition API'yi kullanın.
Dijital mürekkep tanıma özelliği tamamen çevrimdışı çalışır ve Android ile iOS cihazlarda desteklenir.
-x-gesture uzantıları aracılığıyla bu diller için hareket sınıflandırmasını destekler
Emojileri ve temel şekilleri tanır
Gerektiğinde dil paketlerini dinamik olarak indirerek cihaz üzerindeki depolama alanını düşük tutar
Tanıyıcı, giriş olarak bir Ink nesnesi alır. Ink, kullanıcının ekranda yazdıklarının vektörüdür. Her biri temas noktaları adı verilen zaman bilgisine sahip koordinat listesi olan bir fırça dizisidir. İnme, kullanıcı ekran kalemini veya parmağını aşağı koyduğunda başlar ve kaldırdığında sona erer. Ink, güven düzeyleriyle bir veya daha fazla olası tanıma sonucu döndüren bir tanıyıcıya iletilir.
Örnekler
İngilizce el yazısı
Aşağıdaki sol taraftaki resimde, kullanıcının ekranda ne çizdiği gösterilmektedir. Sağdaki resim ise karşılık gelen Ink nesnesidir. Her çizgideki temas noktalarını
temsil eden kırmızı noktalı çizgileri içerir.
Dört çizgi var. Ink nesnesindeki ilk iki çizgi şu şekilde görünür:
Mürekkep
Çizgi 1
x
392, 391, 389, 287, ...
y
52, 60, 76, 97, ...
t
0, 37, 56, 75, ...
Çizgi 2
x
497, 494, 493, 490, ...
y
167, 165, 165, 165, ...
t
694, 742, 751, 770, ...
...
Bu Ink öğesini İngilizce dilindeki bir tanıyıcıya gönderdiğinizde, beş veya altı karakter içeren birkaç olası konuşma metni döndürür. Bunlar, güven azaltılarak sıralanır:
RecognitionResult
1. Takdir
Handw
2. Takdir
Handrw
3. Takdir
Hardw
4. Derece Adayı
Handu
5. Takdir
Handwe
Hareketler
Hareket sınıflandırıcıları, mürekkep çizgisini aşağıda listelenen dokuz hareket sınıfından birine sınıflandırır.
Hareket
Örnek
arch:above arch:below
caret:above caret:below
circle
corner:downleft
scribble
strike
verticalbar
writing
Emoji eskizleri
Aşağıdaki sol taraftaki resimde, kullanıcının ekranda ne çizdiği gösterilmektedir. Sağdaki resim ise karşılık gelen Ink nesnesidir. Her çizgideki temas noktalarını
temsil eden kırmızı noktalı çizgileri içerir.
Ink nesnesi altı çizgi içeriyor.
Mürekkep
Çizgi 1
x
269, 266, 262, 255, ...
y
40, 40, 40, 41, ...
t
0, 36, 56, 75, ...
Çizgi 2
x
179, 182, 183, 185, ...
y
157, 158, 159, 160, ...
t
2475, 2522, 2531, 2541, ...
...
Bu Ink öğesini emoji tanıyıcıya gönderdiğinizde, güveni azaltarak sıralanmış birkaç olası konuşma metni elde edersiniz:
[null,null,["Son güncelleme tarihi: 2025-07-25 UTC."],[[["\u003cp\u003eML Kit's Digital Ink Recognition API recognizes handwritten text and gestures, converting them into digital format, comparable to the technology used in Gboard and Google Translate.\u003c/p\u003e\n"],["\u003cp\u003eThis API enables on-screen writing in various languages, using gestures for text editing, and recognizing hand-drawn shapes and emojis, all without an internet connection.\u003c/p\u003e\n"],["\u003cp\u003eIt supports over 300 languages and 25+ writing systems, along with gesture classification and emoji recognition, functioning by processing stroke data of user input.\u003c/p\u003e\n"],["\u003cp\u003eDevelopers can integrate this feature to allow users to write with styluses or fingers, replacing or supplementing traditional keyboard input for a more natural and versatile user experience.\u003c/p\u003e\n"]]],["ML Kit's digital ink recognition API converts handwritten text, gestures, and sketches into digital formats. It operates offline on Android and iOS, supporting 300+ languages and 25+ writing systems. The API processes user-drawn strokes (Ink objects) to recognize text, emojis, and basic shapes, returning ranked recognition results. Gestures are classified into nine categories, aiding in text operations and user interface actions. Language packs are dynamically downloaded for space efficiency.\n"],null,["With ML Kit's digital ink recognition API, you can recognize handwritten text\nand classify gestures on a digital surface in hundreds of languages, as well as\nclassify sketches. The digital ink recognition API uses the same technology that\npowers handwriting recognition in Gboard, Google Translate, and the\n[Quick, Draw!](https://quickdraw.withgoogle.com/) game.\n\nDigital ink recognition allows you to:\n\n- Write on the screen instead of typing on a virtual keyboard. This lets users draw characters that are not available on their keyboard, such as ệ, अ or 森 for latin alphabet keyboards.\n- Perform basic text operations (navigation, editing, selection, and so on) using gestures.\n- Recognize hand‑drawn shapes and emojis.\n\nDigital ink recognition works with the strokes the user draws on the screen. If\nyou need to read text from images taken with the camera, use the\n[Text Recognition API](/ml-kit/vision/text-recognition).\n\nDigital ink recognition works fully offline and is supported on Android and iOS.\n\n[iOS](/ml-kit/vision/digital-ink-recognition/ios)\n[Android](/ml-kit/vision/digital-ink-recognition/android)\n\nKey Capabilities\n\n- Converts handwritten text to sequences of unicode characters\n- Runs on the device in near real time\n- The user's handwriting stays on the device, recognition is performed without any network connection\n- Supports 300+ languages and 25+ writing systems, see the [complete list of supported languages](/ml-kit/vision/digital-ink-recognition/base-models#text)\n - Supports gesture classification for these languages via [`-x-gesture` extensions](/ml-kit/vision/digital-ink-recognition/base-models#text)\n- Recognizes emojis and basic shapes\n- Keeps on-device storage low by dynamically downloading language packs as needed\n\nThe recognizer takes an `Ink` object as input. `Ink` is a vector representation\nof what the user has written on the screen: a sequence of *strokes* , each being\na list of coordinates with time information called *touch points* . A stroke\nstarts when the user puts their stylus or finger down and ends when they lift it\nup. The `Ink` is passed to a recognizer, which returns one or more possible\nrecognition results, with levels of confidence.\n\nExamples\n\nEnglish handwriting\n\nThe image on the left below shows what the user drew on the screen. The image on\nthe right is the corresponding `Ink` object. It contains the strokes with red\ndots representing the touch points within each stroke.\n\n\nThere are four strokes. The first two strokes in the `Ink` object look like\nthis:\n\n| **Ink** |||\n|----------|-----|-------------------------|\n| Stroke 1 | `x` | 392, 391, 389, 287, ... |\n| Stroke 1 | `y` | 52, 60, 76, 97, ... |\n| Stroke 1 | `t` | 0, 37, 56, 75, ... |\n| Stroke 2 | `x` | 497, 494, 493, 490, ... |\n| Stroke 2 | `y` | 167, 165, 165, 165, ... |\n| Stroke 2 | `t` | 694, 742, 751, 770, ... |\n| ... | | |\n\nWhen you send this `Ink` to a recognizer for the English language, it returns\nseveral possible transcriptions, containing five or six characters. They are\nordered by decreasing confidence:\n\n| **RecognitionResult** ||\n|-------------------------|--------|\n| RecognitionCandidate #1 | handw |\n| RecognitionCandidate #2 | handrw |\n| RecognitionCandidate #3 | hardw |\n| RecognitionCandidate #4 | handu |\n| RecognitionCandidate #5 | handwe |\n\nGestures\n\nGesture classifiers classify an ink stroke into one of nine gesture classes\nlisted below.\n\n| Gesture | Example |\n|-----------------------------|---------|\n| `arch:above` `arch:below` | |\n| `caret:above` `caret:below` | |\n| `circle` | |\n| corner:downleft | |\n| `scribble` | |\n| `strike` | |\n| `verticalbar` | |\n| `writing` | |\n\n| **Note:** It is not always possible to reliably distinguish some gestures from writing. For example, the `verticalbar` gesture may look exactly like the digit `1` or letter `l` when they are written as a vertical lines. To allow the user to use both gestures and writing, your application may need to consider the position of the writing or gesture: for the writing over existing text, prefer the gesture interpretation; for the writing over empty space, prefer the text interpretation.\n\nEmoji sketches\n\nThe image on the left below shows what the user drew on the screen. The image on\nthe right is the corresponding `Ink` object. It contains the strokes with red\ndots representing the touch points within each stroke.\n\n\nThe `Ink` object contains six strokes.\n\n\n| **Ink** |||\n|----------|-----|-----------------------------|\n| Stroke 1 | `x` | 269, 266, 262, 255, ... |\n| Stroke 1 | `y` | 40, 40, 40, 41, ... |\n| Stroke 1 | `t` | 0, 36, 56, 75, ... |\n| Stroke 2 | `x` | 179, 182, 183, 185, ... |\n| Stroke 2 | `y` | 157, 158, 159, 160, ... |\n| Stroke 2 | `t` | 2475, 2522, 2531, 2541, ... |\n| ... | | |\n\nWhen you send this `Ink` to the emoji recognizer, you get several possible\ntranscriptions, ordered by decreasing confidence:\n\n| **RecognitionResult** ||\n|-------------------------|--------------|\n| RecognitionCandidate #1 | 😂 (U+1f62d) |\n| RecognitionCandidate #2 | 😅 (U+1f605) |\n| RecognitionCandidate #3 | 😹 (U+1f639) |\n| RecognitionCandidate #4 | 😄 (U+1f604) |\n| RecognitionCandidate #5 | 😆 (U+1f606) |"]]
