स्कैन किए गए PDF को OCR से खोजने योग्य बनाएं - ब्राउज़र में, मूल पृष्ठों के नीचे छिपी टेक्स्ट परत के साथ, बिना अपलोड।
आपके डिवाइस पर ही लोकल प्रोसेसिंग चल रही है ...
0%
आपकी फ़ाइलें आपके डिवाइस से कभी बाहर नहीं गईं
नहीं। सब कुछ आपके ब्राउज़र में चलता है - आपकी फ़ाइल कभी आपके डिवाइस से बाहर नहीं जाती। यह कैसे सत्यापित किया जा सकता है
स्कैन किया गया PDF मूलतः छवियों का ढेर है: आप टेक्स्ट देख सकते हैं लेकिन चुन, खोज या कॉपी नहीं कर सकते। OCR (ऑप्टिकल कैरेक्टर रिकग्निशन) छवि से अक्षर पढ़कर उन्हें पृष्ठों के ऊपर एक अदृश्य टेक्स्ट परत के रूप में रखता है। दिखावट वैसी ही रहती है, लेकिन PDF खोजने योग्य हो जाता है और टेक्स्ट चुना जा सकता है - ठीक वैसा जैसा कार्यालय, अभिलेखागार और पूर्ण-पाठ खोज चाहते हैं।
आउटपुट चुनें: खोजने योग्य PDF (मूल पृष्ठ और टेक्स्ट परत) या TXT के रूप में सादा टेक्स्ट। सूची से दस्तावेज़ की भाषा सेट करें - हिंदी और अंग्रेज़ी से लेकर रूसी, अरबी और जापानी, कोरियाई और चीनी तक 100 से अधिक भाषाएं, हर एक अपने नाम में - ताकि अक्षर सही ढंग से पहचाने जाएं। सब कुछ ब्राउज़र में WebAssembly के जरिए चलता है: वही ओपन-सोर्स Tesseract इंजन जैसा "चित्र से टेक्स्ट" टूल, पूरे PDF पर पृष्ठ-दर-पृष्ठ। पहली बार उपयोग पर ब्राउज़र इंजन और चुना गया भाषा मॉडल एक बार डाउनलोड करता है (कुछ MB, same-origin); उसके बाद ऑफलाइन काम करता है।
यह टूल स्कैन किए गए या छवि-आधारित PDF के लिए है। पहचान स्कैन गुणवत्ता पर बहुत निर्भर करती है: मुद्रित टेक्स्ट के साथ तीखे, सीधे, उच्च-कंट्रास्ट पृष्ठ बहुत अच्छी तरह पहचाने जाते हैं; तिरछे या धुंधले काफी खराब; हस्तलिपि विश्वसनीय नहीं। खोजने योग्य PDF में हर पृष्ठ छवि के रूप में फिर से एम्बेड होता है - जिस PDF में पहले से वास्तविक टेक्स्ट है उसे OCR की जरूरत नहीं। संख्याओं और उचित नामों के लिए परिणाम जांचें।
| इनपुट फ़ॉर्मैट | |
|---|---|
| आउटपुट फ़ॉर्मैट | |
| बैच प्रोसेसिंग | हाँ |
| प्रोसेसिंग | ब्राउज़र में लोकल (WebAssembly) |
| फ़ाइल अपलोड | कोई नहीं |
सीमाएँ: स्कैन/छवि-आधारित PDF के लिए: OCR से खोजने योग्य बनाता है (अदृश्य टेक्स्ट परत) या सादा टेक्स्ट देता है। 100 से अधिक भाषाओं और कई लिपियों में मुद्रित टेक्स्ट पहचानता है; हस्तलिपि विश्वसनीय नहीं। नोट: खोजने योग्य PDF में अदृश्य टेक्स्ट परत Latin-1 फ़ॉन्ट उपयोग करती है - गैर-लैटिन अक्षर (जैसे CJK, अरबी, सिरिलिक) वहां एम्बेड नहीं होते; उन लिपियों के लिए "केवल टेक्स्ट (TXT)" आउटपुट पूरी तरह पहचाना गया टेक्स्ट देता है। खोजने योग्य PDF में हर पृष्ठ छवि के रूप में फिर एम्बेड होता है इसलिए लेआउट बना रहता है लेकिन फ़ाइल बड़ी हो सकती है; जिस PDF में पहले से वास्तविक टेक्स्ट है उसे OCR नहीं चाहिए। पहचान त्रुटि-मुक्त नहीं - खासकर संख्याएं और उचित नाम जांचें। इंजन और चुना गया भाषा मॉडल एक बार डाउनलोड होता है (कुछ MB, same-origin), फिर ऑफलाइन उपयोग संभव। बड़े PDF में पृष्ठ संख्या और डिवाइस के अनुसार समय और मेमोरी लगती है।
नहीं। रेंडरिंग और पहचान पूरी तरह ब्राउज़र में स्थानीय रूप से चलती है (WebAssembly); PDF कभी आपके डिवाइस से नहीं जाता - अनुबंध और सरकारी पत्राचार के लिए निर्णायक फायदा।
पृष्ठ स्कैन जैसा दिखता है, लेकिन नीचे एक अदृश्य टेक्स्ट परत होती है। इससे PDF में खोज, टेक्स्ट चुनना और कॉपी करना संभव होता है - जबकि दृश्य रूप वैसा ही रहता है।
हां। हर पृष्ठ मूल पृष्ठ की छवि के रूप में एम्बेड होता है, जिसके ऊपर अदृश्य टेक्स्ट परत संरेखित होती है। दिखावट नहीं बदलती, हालांकि फ़ाइल थोड़ी बड़ी हो सकती है।
अन्य भाषाएं हां: 100 से अधिक उपलब्ध (अरबी, रूसी, हिंदी, जापानी, कोरियाई, चीनी सहित)। हस्तलिपि विश्वसनीय नहीं, केवल मुद्रित टेक्स्ट। गैर-लैटिन लिपियों के लिए "केवल टेक्स्ट (TXT)" आउटपुट उपयोग करें क्योंकि खोजने योग्य PDF की टेक्स्ट परत Latin-1 तक सीमित है।