Jadikan PDF yang diimbas boleh dicari melalui OCR - secara tempatan di pelayar, dengan lapisan teks tersembunyi di sebalik halaman asal, tanpa muat naik.
Memproses secara setempat pada peranti anda ...
0%
Fail anda tidak pernah meninggalkan peranti
Tidak. Semuanya berjalan dalam pelayar anda - fail anda tidak pernah meninggalkan peranti. Bagaimana ini boleh disahkan
PDF yang diimbas pada asasnya ialah timbunan imej: anda boleh melihat teksnya, tetapi tidak boleh memilih, mencari, atau menyalinnya. OCR (pengecaman aksara optik) membaca huruf daripada imej dan meletakkannya sebagai lapisan teks tersembunyi tepat di atas halaman. Rupa kekal sama, tetapi PDF menjadi boleh dicari dan teksnya boleh dipilih - tepat seperti yang diperlukan oleh jabatan, arkib, dan carian teks penuh.
Pilih output: PDF yang boleh dicari (halaman asal ditambah lapisan teks) atau teks biasa sebagai TXT. Tetapkan bahasa dokumen daripada senarai - lebih daripada 100 bahasa daripada Bahasa Malaysia dan Inggeris hinggalah Rusia, Arab, dan Hindi ke Jepun, Korea, dan Cina, masing-masing dalam namanya sendiri - supaya aksara dikenal pasti dengan betul. Semuanya berjalan di pelayar melalui WebAssembly: enjin Tesseract sumber terbuka yang sama seperti alat "Tukar Imej ke Teks", diterapkan halaman demi halaman pada keseluruhan PDF. Semasa penggunaan pertama, pelayar memuat turun enjin dan model bahasa yang dipilih sekali (beberapa MB, same-origin); selepas itu boleh digunakan secara luar talian.
Alat ini direka untuk PDF yang diimbas atau berasaskan imej. Pengecaman sangat bergantung pada kualiti imbasan: halaman yang tajam, lurus, dan kontras tinggi dengan teks bercetak dikenal pasti dengan sangat baik; halaman yang condong atau kabur jauh lebih buruk; tulisan tangan tidak boleh dipercayai. Dalam PDF yang boleh dicari, setiap halaman disematkan semula sebagai imej - PDF yang sudah mengandungi teks sebenar tidak memerlukan OCR. Semak hasilnya untuk nombor dan nama diri.
| Format input | |
|---|---|
| Format output | |
| Pemprosesan kelompok | Ya |
| Pemprosesan | Setempat dalam pelayar (WebAssembly) |
| Muat naik fail | Tiada |
Batasan: Untuk PDF IMBASAN/berasaskan imej: menjadikannya boleh dicari melalui OCR (lapisan teks tersembunyi) atau menghasilkan teks biasa. Mengenal pasti teks BERCETAK dalam lebih daripada 100 bahasa dan pelbagai skrip; tulisan tangan tidak boleh dipercayai. Nota: lapisan teks tersembunyi dalam PDF yang boleh dicari menggunakan fon Latin-1 - aksara bukan-Latin (contohnya CJK, Arab, Cyrillic) tidak disematkan di sana; untuk skrip tersebut, output "Teks sahaja (TXT)" memberikan teks yang dikenal pasti sepenuhnya. Dalam PDF yang boleh dicari, setiap halaman disematkan semula sebagai imej jadi susun atur dikekalkan tetapi saiz fail mungkin bertambah; PDF yang sudah mempunyai teks sebenar tidak memerlukan OCR. Pengecaman tidak bebas ralat - semak terutamanya nombor dan nama diri. Enjin dan model bahasa yang dipilih dimuat turun sekali (beberapa MB, same-origin), kemudian boleh digunakan secara luar talian. PDF besar memerlukan masa dan memori bergantung pada bilangan halaman dan peranti.
Tidak. Pemaparan dan pengecaman berjalan sepenuhnya secara tempatan di pelayar (WebAssembly); PDF tidak pernah meninggalkan peranti anda - kelebihan utama untuk kontrak dan surat rasmi.
Halaman kelihatan seperti imbasan, tetapi di bawahnya terdapat lapisan teks tersembunyi. Dengan itu anda boleh mencari dalam PDF, memilih dan menyalin teks - sementara gambaran visualnya kekal sama.
Ya. Setiap halaman disematkan sebagai imej halaman asal, dengan lapisan teks tersembunyi tepat di atasnya. Rupa tidak berubah, walaupun saiz fail mungkin sedikit bertambah.
Bahasa lain ya: lebih daripada 100 tersedia (termasuk Arab, Rusia, Hindi, Jepun, Korea, Cina). Tulisan tangan tidak dikenal pasti secara boleh dipercayai, hanya teks bercetak. Untuk skrip bukan-Latin, gunakan output "Teks sahaja (TXT)" kerana lapisan teks PDF yang boleh dicari terhad kepada Latin-1.