Reconoce la escritura a mano de tus usuarios

La API de Handwriting Recognition te permite reconocer el texto de la entrada escrita a mano a medida que se produce.

Christian Liebel
Thomas Steiner

¿Qué es la API de Handwriting Recognition?

La API de Handwriting Recognition te permite convertir la escritura a mano (tinta) de tus usuarios en texto. Algunos sistemas operativos incluyen esas APIs desde hace mucho tiempo y, con esta nueva función, tus apps web finalmente pueden usar esta funcionalidad. La conversión se realiza directamente en el dispositivo del usuario y funciona incluso en modo sin conexión, todo sin agregar bibliotecas ni servicios de terceros.

Esta API implementa el llamado reconocimiento "en línea" o casi en tiempo real. Esto significa que la entrada manuscrita se reconoce mientras el usuario la dibuja capturando y analizando los trazos individuales. A diferencia de los procedimientos “sin conexión”, como el reconocimiento óptico de caracteres (OCR), en los que solo se conoce el producto final, los algoritmos en línea pueden proporcionar un mayor nivel de precisión debido a indicadores adicionales, como la secuencia temporal y la presión de los trazos de tinta individuales.

Casos de uso sugeridos para la API de Handwriting Recognition

Estos son algunos ejemplos de uso:

  • Aplicaciones para tomar notas en las que los usuarios quieren capturar notas escritas a mano y que se traduzcan a texto
  • Aplicaciones de formularios en las que los usuarios pueden usar la entrada de la pluma o el dedo debido a limitaciones de tiempo
  • Juegos que requieren completar letras o números, como crucigramas, damas chinas o sudoku

Estado actual

La API de Handwriting Recognition está disponible a partir de (Chromium 99).

Cómo usar la API de Handwriting Recognition

Detección de atributos

Para detectar la compatibilidad del navegador, verifica la existencia del método createHandwritingRecognizer() en el objeto navigator:

if ('createHandwritingRecognizer' in navigator) {
  // 🎉 The Handwriting Recognition API is supported!
}

Conceptos básicos

La API de Handwriting Recognition convierte la entrada manuscrita en texto, independientemente del método de entrada (mouse, toque o pluma). La API tiene cuatro entidades principales:

  1. Un punto representa la posición del puntero en un momento determinado.
  2. Un trazo consta de uno o más puntos. La grabación de un trazo comienza cuando el usuario baja el puntero (es decir, hace clic en el botón principal del mouse o toca la pantalla con la pluma o el dedo) y termina cuando vuelve a levantarlo.
  3. Un dibujo consta de uno o más trazos. El reconocimiento real se realiza en este nivel.
  4. El reconocedor se configura con el idioma de entrada esperado. Se usa para crear una instancia de un dibujo con la configuración del reconocedor aplicada.

Estos conceptos se implementan como interfaces y diccionarios específicos, que explicaré en breve.

Las entidades principales de la API de Handwriting Recognition: Uno o más puntos componen un trazo, y uno o más trazos componen un dibujo que crea el reconocedor. El reconocimiento real se realiza a nivel del dibujo.

Cómo crear un reconocedor

Para reconocer texto de una entrada escrita a mano, debes obtener una instancia de un HandwritingRecognizer llamando a navigator.createHandwritingRecognizer() y pasándole restricciones. Las restricciones determinan el modelo de reconocimiento de escritura a mano que se debe usar. Actualmente, puedes especificar una lista de idiomas en orden de preferencia:

const recognizer = await navigator.createHandwritingRecognizer({
  languages: ['en'],
});

El método muestra una promesa que se resuelve con una instancia de HandwritingRecognizer cuando el navegador puede entregar tu solicitud. De lo contrario, se rechazará la promesa con un error y el reconocimiento de escritura a mano no estará disponible. Por este motivo, te recomendamos que primero consultes la compatibilidad del reconocedor con funciones de reconocimiento específicas.

Cómo consultar la compatibilidad del identificador

Cuando llamas a navigator.queryHandwritingRecognizerSupport(), puedes verificar si la plataforma de destino admite las funciones de reconocimiento de escritura a mano que deseas usar. En el siguiente ejemplo, el desarrollador hace lo siguiente:

  • quiere detectar textos en inglés
  • obtener predicciones alternativas menos probables cuando estén disponibles
  • obtener acceso al resultado de la segmentación, es decir, los caracteres reconocidos, incluidos los puntos y los trazos que los componen
const { languages, alternatives, segmentationResults } =
  await navigator.queryHandwritingRecognizerSupport({
    languages: ['en'],
    alternatives: true,
    segmentationResult: true,
  });

console.log(languages); // true or false
console.log(alternatives); // true or false
console.log(segmentationResult); // true or false

El método muestra una promesa que se resuelve con un objeto de resultado. Si el navegador admite la función que especifica el desarrollador, su valor se establecerá en true. De lo contrario, se establecerá como false. Puedes usar esta información para habilitar o inhabilitar ciertas funciones dentro de tu aplicación, o para ajustar tu consulta y enviar una nueva.

Cómo comenzar un dibujo

En tu aplicación, debes ofrecer un área de entrada en la que el usuario haga sus entradas manuscritas. Por motivos de rendimiento, se recomienda implementar esto con la ayuda de un objeto de lienzo. La implementación exacta de esta parte está fuera del alcance de este artículo, pero puedes consultar la demo para ver cómo se puede hacer.

Para iniciar un dibujo nuevo, llama al método startDrawing() en el reconocedor. Este método toma un objeto que contiene diferentes sugerencias para ajustar el algoritmo de reconocimiento. Todas las sugerencias son opcionales:

  • El tipo de texto que se ingresa: texto, direcciones de correo electrónico, números o un carácter individual (recognitionType)
  • Es el tipo de dispositivo de entrada: mouse, entrada táctil o de pluma (inputType).
  • El texto anterior (textContext)
  • Es la cantidad de predicciones alternativas menos probables que se deben mostrar (alternatives).
  • Es una lista de caracteres identificables por el usuario ("grafemas") que es probable que el usuario ingrese (graphemeSet).

La API de Handwriting Recognition funciona bien con los eventos de puntero, que proporcionan una interfaz abstracta para consumir entradas de cualquier dispositivo de puntero. Los argumentos del evento del puntero contienen el tipo de puntero que se usa. Esto significa que puedes usar eventos del puntero para determinar el tipo de entrada automáticamente. En el siguiente ejemplo, el dibujo para el reconocimiento de escritura a mano se crea automáticamente en la primera ocurrencia de un evento pointerdown en el área de escritura a mano. Como pointerType puede estar vacío o establecerse en un valor propietario, introduje una verificación de coherencia para asegurarme de que solo se establezcan valores admitidos para el tipo de entrada del dibujo.

let drawing;
let activeStroke;

canvas.addEventListener('pointerdown', (event) => {
  if (!drawing) {
    drawing = recognizer.startDrawing({
      recognitionType: 'text', // email, number, per-character
      inputType: ['mouse', 'touch', 'pen'].find((type) => type === event.pointerType),
      textContext: 'Hello, ',
      alternatives: 2,
      graphemeSet: ['f', 'i', 'z', 'b', 'u'], // for a fizz buzz entry form
    });
  }
  startStroke(event);
});

Agrega un trazo

El evento pointerdown también es el lugar correcto para comenzar un trazo nuevo. Para ello, crea una instancia nueva de HandwritingStroke. Además, debes almacenar la hora actual como punto de referencia para los puntos posteriores que se le agreguen:

function startStroke(event) {
  activeStroke = {
    stroke: new HandwritingStroke(),
    startTime: Date.now(),
  };
  addPoint(event);
}

Añada un punto

Después de crear el trazo, debes agregarle directamente el primer punto. Como agregarás más puntos más adelante, tiene sentido implementar la lógica de creación de puntos en un método independiente. En el siguiente ejemplo, el método addPoint() calcula el tiempo transcurrido a partir de la marca de tiempo de referencia. La información temporal es opcional, pero puede mejorar la calidad del reconocimiento. Luego, lee las coordenadas X e Y del evento del puntero y agrega el punto al trazo actual.

function addPoint(event) {
  const timeElapsed = Date.now() - activeStroke.startTime;
  activeStroke.stroke.addPoint({
    x: event.offsetX,
    y: event.offsetY,
    t: timeElapsed,
  });
}

Se llama al controlador de eventos pointermove cuando se mueve el puntero por la pantalla. Esos puntos también se deben agregar al trazo. El evento también se puede activar si el puntero no está en un estado "abajo", por ejemplo, cuando se mueve el cursor por la pantalla sin presionar el botón del mouse. El controlador de eventos del siguiente ejemplo verifica si existe un trazo activo y le agrega el punto nuevo.

canvas.addEventListener('pointermove', (event) => {
  if (activeStroke) {
    addPoint(event);
  }
});

Reconoce texto

Cuando el usuario levante el puntero nuevamente, puedes agregar el trazo a tu dibujo llamando a su método addStroke(). En el siguiente ejemplo, también se restablece activeStroke, por lo que el controlador pointermove no agregará puntos al trazo completado.

A continuación, es hora de reconocer la entrada del usuario llamando al método getPrediction() en el dibujo. El reconocimiento suele tardar menos de unos cientos de milisegundos, por lo que puedes ejecutar predicciones de forma reiterada si es necesario. En el siguiente ejemplo, se ejecuta una predicción nueva después de cada trazo completo.

canvas.addEventListener('pointerup', async (event) => {
  drawing.addStroke(activeStroke.stroke);
  activeStroke = null;

  const [mostLikelyPrediction, ...lessLikelyAlternatives] = await drawing.getPrediction();
  if (mostLikelyPrediction) {
    console.log(mostLikelyPrediction.text);
  }
  lessLikelyAlternatives?.forEach((alternative) => console.log(alternative.text));
});

Este método muestra una promesa que se resuelve con un array de predicciones ordenadas por su probabilidad. La cantidad de elementos depende del valor que pasaste a la sugerencia alternatives. Puedes usar este array para presentarle al usuario una opción de coincidencias posibles y pedirle que seleccione una opción. Como alternativa, puedes elegir la predicción más probable, que es lo que hago en el ejemplo.

El objeto de predicción contiene el texto reconocido y un resultado de segmentación opcional, que analizaré en la siguiente sección.

Estadísticas detalladas con resultados de la segmentación

Si la plataforma de destino lo admite, el objeto de predicción también puede contener un resultado de segmentación. Es un array que contiene todos los segmentos de escritura a mano reconocidos, una combinación del carácter reconocido que puede identificar el usuario (grapheme) junto con su posición en el texto reconocido (beginIndex, endIndex) y los trazos y puntos que lo crearon.

if (mostLikelyPrediction.segmentationResult) {
  mostLikelyPrediction.segmentationResult.forEach(
    ({ grapheme, beginIndex, endIndex, drawingSegments }) => {
      console.log(grapheme, beginIndex, endIndex);
      drawingSegments.forEach(({ strokeIndex, beginPointIndex, endPointIndex }) => {
        console.log(strokeIndex, beginPointIndex, endPointIndex);
      });
    },
  );
}

Puedes usar esta información para volver a rastrear los grafemas reconocidos en el lienzo.

Se dibujan cuadros alrededor de cada grafema reconocido.

Reconocimiento completo

Después de que se complete el reconocimiento, puedes liberar recursos llamando al método clear() en HandwritingDrawing y al método finish() en HandwritingRecognizer:

drawing.clear();
recognizer.finish();

Demostración

El componente web <handwriting-textarea> implementa un control de edición mejorado de forma progresiva capaz de reconocer la escritura a mano. Si haces clic en el botón de la esquina inferior derecha del control de edición, activa el modo de dibujo. Cuando completes el dibujo, el componente web iniciará automáticamente el reconocimiento y volverá a agregar el texto reconocido al control de edición. Si la API de Handwriting Recognition no es compatible o la plataforma no admite las funciones solicitadas, se ocultará el botón Editar. Sin embargo, el control de edición básico se puede usar como <textarea>.

El componente web ofrece propiedades y atributos para definir el comportamiento de reconocimiento desde el exterior, incluidos languages y recognitiontype. Puedes configurar el contenido del control a través del atributo value:

<handwriting-textarea languages="en" recognitiontype="text" value="Hello"></handwriting-textarea>

Para obtener información sobre cualquier cambio en el valor, puedes escuchar el evento input.

Puedes probar el componente con esta demostración en Glitch. Además, asegúrate de revisar el código fuente. Para usar el control en tu aplicación, obténlo de npm.

Seguridad y permisos

El equipo de Chromium diseñó e implementó la API de Handwriting Recognition con los principios básicos definidos en Controlling Access to Powerful Web Platform Features, incluidos el control del usuario, la transparencia y la ergonomía.

Control de usuarios

El usuario no puede desactivar la API de reconocimiento de escritura a mano. Solo está disponible para sitios web que se entregan a través de HTTPS y solo se puede llamar desde el contexto de navegación de nivel superior.

Transparencia

No hay indicaciones de si el reconocimiento de escritura a mano está activo. Para evitar la creación de huellas digitales, el navegador implementa contramedidas, como mostrar un mensaje de permiso al usuario cuando detecta un posible abuso.

Persistencia de permisos

Actualmente, la API de Handwriting Recognition no muestra ningún mensaje de permisos. Por lo tanto, no es necesario que el permiso se conserve de ninguna manera.

Comentarios

El equipo de Chromium quiere conocer tus experiencias con la API de Handwriting Recognition.

Cuéntanos sobre el diseño de la API

¿Hay algo en la API que no funciona como esperabas? ¿O faltan métodos o propiedades que necesitas para implementar tu idea? ¿Tienes alguna pregunta o comentario sobre el modelo de seguridad? Informa un problema de especificación en el repositorio de GitHub correspondiente o agrega tus comentarios a un problema existente.

Denuncia un problema con la implementación

¿Encontraste un error con la implementación de Chromium? ¿O la implementación es diferente de la especificación? Informa un error en new.crbug.com. Asegúrate de incluir tantos detalles como sea posible, instrucciones simples para reproducirlo y, luego, ingresa Blink>Handwriting en el cuadro Componentes. Glitch es excelente para compartir reproducciones rápidas y fáciles.

Cómo mostrar compatibilidad con la API

¿Planeas usar la API de Handwriting Recognition? Tu apoyo público ayuda al equipo de Chromium a priorizar las funciones y les muestra a otros proveedores de navegadores lo importante que es admitirlas.

Comparte cómo planeas usarlo en la conversación de Discourse de WICG. Envía un tuit a @ChromiumDev con el hashtag #HandwritingRecognition y cuéntanos dónde y cómo lo usas.

Agradecimientos

Joe Medley, Honglin Yu y Jiewei Qian revisaron este documento.