Jadikan PDF yang diimbas boleh dicari melalui OCR - secara tempatan di pelayar, dengan lapisan teks tersembunyi di sebalik halaman asal, tanpa muat naik.
Kandungan kekal milik andatiada capaian pihak ketiga
Tiada pemprosesan kandungan fail anda berlaku di mana-mana pelayan. Anda tidak perlukan perjanjian pemprosesan data dengan gottrix untuk mengendalikan dokumen sulit atau perniagaan.
Hosted in GermanyGlobal Content Delivery
Pelayan asal berada di Hetzner di Jerman, dengan penghantaran ke seluruh dunia melalui rangkaian penghantaran kandungan (CDN). Kandungan fail anda tidak pernah dihantar dalam proses ini - fail tidak pernah meninggalkan peranti anda.
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 - 113 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.
Pengecaman teks biasanya wilayah awan: perkhidmatan OCR terkenal memuat naik setiap imbasan ke pelayan mereka untuk diproses - dokumen yang justeru seperti kontrak, surat perubatan atau kad pengenalan. Di sini keseluruhan pengecaman berjalan dengan Tesseract sebagai WebAssembly dalam pelayar anda, dan kesemua 113 pek bahasa dihoskan di gottrix sendiri - semasa pengecaman tiada apa-apa dimuatkan daripada pihak ketiga. Senarai bahasa juga bermula dengan pilihan awal mengikut bahasa antara muka anda. Percuma, tanpa akaun dan tanpa had halaman.
Pilih output (PDF boleh dicari atau teks) dan bahasa daripada senarai.
Muat turun PDF yang boleh dicari atau TXT.
Batasan: Untuk PDF IMBASAN/berasaskan imej: menjadikannya boleh dicari melalui OCR (lapisan teks tersembunyi) atau menghasilkan teks biasa. Mengenal pasti teks BERCETAK dalam 113 bahasa dan pelbagai skrip; tulisan tangan tidak boleh dipercayai. Nota: lapisan teks tersembunyi dalam PDF yang boleh dicari merangkumi skrip Latin dengan semua huruf beraksen (23 daripada 113 bahasa, contohnya Poland, Czech, Vietnam, Turki), Yunani dan Cyrillic. Aksara daripada skrip lain (contohnya CJK, Arab, Ibrani, Devanagari, Thai) sengaja ditinggalkan di sana dan bukannya dipaparkan rosak; 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.
Soalan lazim
Adakah PDF saya dimuat naik?
Tidak. Pemaparan dan pengecaman berjalan sepenuhnya secara tempatan di pelayar (WebAssembly); PDF tidak pernah meninggalkan peranti anda - kelebihan utama untuk kontrak dan surat rasmi.
Apakah itu PDF yang boleh dicari?
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.
Adakah susun atur dikekalkan?
Ya. Setiap halaman disematkan sebagai imej halaman asal, dengan lapisan teks tersembunyi tepat di atasnya. Rupa tidak berubah, walaupun saiz fail mungkin sedikit bertambah.
Bolehkah ia mengenal pasti tulisan tangan atau bahasa lain?
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. Lapisan teks PDF yang boleh dicari merangkumi skrip Latin dengan semua huruf beraksen, Yunani dan Cyrillic; untuk CJK, Arab, Ibrani, Devanagari atau Thai, gunakan output "Teks sahaja (TXT)" yang mengandungi teks yang dikenal pasti sepenuhnya.
Berapa banyak bahasa yang dikenali OCR?
113 - daripada bahasa Melayu, Inggeris dan Jerman melalui Arab, Hindi dan Thai hingga Jepun, Korea dan Cina. Setiap bahasa tersenarai dengan namanya sendiri, dan semua pek bahasa dihoskan di gottrix sendiri, bukan di pihak ketiga.
Adakah OCR PDF percuma, dan adakah had halaman?
Ya, percuma sepenuhnya - tanpa akaun, tanpa tera air dan tanpa had halaman atau harian. Halaman yang banyak cuma mengambil masa yang setimpal, kerana peranti anda sendirilah yang mengira pengecaman itu.
Mengapa pengecaman teks setempat lebih baik untuk imbasan sulit?
Kerana imbasan tidak pernah meninggalkan peranti anda: tiada muat naik, tiada pemprosesan pelayan, tiada salinan dalam awan pihak lain. Selepas pemuatan pertama, pengecaman berfungsi walaupun luar talian - bukti paling kukuh bahawa tiada apa-apa dihantar.
Hanya dengan kebenaran anda, kami mengukur penggunaan secara tanpa nama melalui kuki untuk menambah baik gottrix. Fail anda sentiasa kekal setempat, pada peranti anda. Privasi