ทำให้ PDF ที่สแกนค้นหาได้ผ่าน OCR - ในเบราว์เซอร์ มีชั้นข้อความซ่อนอยู่ใต้หน้าต้นฉบับ ไม่อัปโหลด
กำลังประมวลผลในเครื่องของคุณ ...
0%
ไฟล์ของคุณไม่เคยออกจากอุปกรณ์
ไม่ ทุกอย่างทำงานในเบราว์เซอร์ของคุณ - ไฟล์ของคุณไม่เคยออกจากอุปกรณ์ ตรวจสอบเรื่องนี้ได้อย่างไร
PDF ที่สแกนโดยพื้นฐานแล้วคือกองรูปภาพ: คุณเห็นข้อความแต่ไม่สามารถเลือก ค้นหา หรือคัดลอกได้ OCR (การรู้จำอักขระด้วยแสง) อ่านตัวอักษรจากรูปภาพและวางเป็นชั้นข้อความซ่อนอยู่ตรงกับหน้า รูปลักษณ์ยังคงเหมือนเดิม แต่ PDF กลายเป็นสิ่งที่ค้นหาได้และข้อความสามารถเลือกได้ - ตรงกับสิ่งที่หน่วยงาน คลังข้อมูล และการค้นหาข้อความแบบเต็มต้องการ
เลือกผลลัพธ์: PDF ที่ค้นหาได้ (หน้าต้นฉบับพร้อมชั้นข้อความ) หรือข้อความธรรมดาเป็น TXT ตั้งภาษาของเอกสารจากรายการ - มากกว่า 100 ภาษาจากภาษาไทยและอังกฤษ ผ่านรัสเซีย อาหรับ และฮินดี ไปจนถึงญี่ปุ่น เกาหลี และจีน แต่ละภาษาในชื่อของตัวเอง - เพื่อให้อักขระถูกรู้จำอย่างถูกต้อง ทุกอย่างทำงานในเบราว์เซอร์ผ่าน WebAssembly: เอนจิน Tesseract แบบโอเพนซอร์สเดียวกับเครื่องมือ "รูปภาพเป็นข้อความ" ใช้กับแต่ละหน้าในทั้ง PDF เมื่อใช้ครั้งแรก เบราว์เซอร์ดาวน์โหลดเอนจินและโมเดลภาษาที่เลือกครั้งเดียว (ไม่กี่ MB same-origin) จากนั้นทำงานออฟไลน์ได้
เครื่องมือนี้มีไว้สำหรับ PDF ที่สแกนหรือแบบรูปภาพ การรู้จำขึ้นอยู่กับคุณภาพการสแกนมาก: หน้าที่คมชัด ตรง คอนทราสต์สูงพร้อมข้อความพิมพ์รู้จำได้ดีมาก ส่วนเอียงหรือเบลอแย่กว่ามาก ลายมือไม่น่าเชื่อถือ ใน PDF ที่ค้นหาได้ แต่ละหน้าจะถูกฝังใหม่เป็นรูปภาพ - PDF ที่มีข้อความจริงอยู่แล้วไม่จำเป็นต้องใช้ OCR ตรวจสอบผลลัพธ์สำหรับตัวเลขและชื่อเฉพาะ
| รูปแบบที่รองรับ | |
|---|---|
| รูปแบบผลลัพธ์ | |
| การประมวลผลเป็นชุด | รองรับ |
| การประมวลผล | ภายในเบราว์เซอร์ (WebAssembly) |
| การอัปโหลดไฟล์ | ไม่มี |
ข้อจำกัด: สำหรับ PDF แบบสแกน/รูปภาพ: ทำให้ค้นหาได้ผ่าน OCR (ชั้นข้อความซ่อน) หรือส่งคืนข้อความธรรมดา รู้จำข้อความ พิมพ์ ในมากกว่า 100 ภาษาและอักษรหลายประเภท ลายมือไม่น่าเชื่อถือ หมายเหตุ: ชั้นข้อความซ่อนใน PDF ที่ค้นหาได้ใช้ฟอนต์ Latin-1 - อักขระที่ไม่ใช่ Latin (เช่น CJK อาหรับ Cyrillic) จะไม่ถูกฝังที่นั่น สำหรับอักษรเหล่านั้น ผลลัพธ์ "เฉพาะข้อความ (TXT)" ส่งคืนข้อความที่รู้จำทั้งหมด ใน PDF ที่ค้นหาได้ แต่ละหน้าจะถูกฝังใหม่เป็นรูปภาพ ดังนั้นเลย์เอาต์ยังคงอยู่แต่ไฟล์อาจโตขึ้น PDF ที่มีข้อความจริงอยู่แล้วไม่จำเป็นต้องใช้ OCR การรู้จำไม่สมบูรณ์แบบ - ตรวจสอบตัวเลขและชื่อเฉพาะโดยเฉพาะ เอนจินและโมเดลภาษาที่เลือกดาวน์โหลดครั้งเดียว (ไม่กี่ MB same-origin) จากนั้นใช้งานออฟไลน์ได้ PDF ขนาดใหญ่ต้องใช้เวลาและหน่วยความจำขึ้นอยู่กับจำนวนหน้าและอุปกรณ์
ไม่ การเรนเดอร์และการรู้จำทำงานทั้งหมดในเบราว์เซอร์ในเครื่อง (WebAssembly) PDF ไม่เคยออกจากอุปกรณ์ของคุณ - ข้อได้เปรียบสำคัญสำหรับสัญญาและเอกสารราชการ
หน้าดูเหมือนสแกน แต่ด้านล่างมีชั้นข้อความซ่อนอยู่ ซึ่งช่วยให้ค้นหาใน PDF เลือกและคัดลอกข้อความได้ - ในขณะที่รูปลักษณ์ภาพยังคงเหมือนเดิม
ใช่ แต่ละหน้าถูกฝังเป็นรูปภาพของหน้าต้นฉบับ พร้อมชั้นข้อความซ่อนวางอยู่ตรงบนนั้น รูปลักษณ์ไม่เปลี่ยนแปลง แม้ว่าไฟล์อาจโตขึ้นเล็กน้อย
ภาษาอื่นได้: มากกว่า 100 ภาษา (รวมถึงอาหรับ รัสเซีย ฮินดี ญี่ปุ่น เกาหลี จีน) ลายมือไม่ถูกรู้จำอย่างน่าเชื่อถือ มีเพียงข้อความพิมพ์ สำหรับอักษรที่ไม่ใช่ Latin ใช้ผลลัพธ์ "เฉพาะข้อความ (TXT)" เนื่องจากชั้นข้อความ PDF ที่ค้นหาได้ถูกจำกัดอยู่ที่ Latin-1