Зробіть відсканований PDF доступним для пошуку через OCR прямо в браузері - невидимий текстовий шар під оригінальними сторінками, без завантаження файлів.
Обробка локально на вашому пристрої ...
0%
Ваші файли так і не залишили ваш пристрій
Ні. Усе працює у вашому браузері - ваш файл ніколи не залишає пристрій. Як це перевірити
Відсканований PDF - це по суті стос картинок: текст видно, але його не можна виділити, знайти чи скопіювати. OCR (оптичне розпізнавання символів) зчитує літери із зображення і розміщує їх як невидимий текстовий шар точно поверх сторінок. Зовнішній вигляд не змінюється, але PDF стає доступним для пошуку і текст можна виділяти - саме це потрібно відомствам, архівам і повнотекстовому пошуку.
Виберіть формат виведення: пошуковий PDF (оригінальні сторінки плюс текстовий шар) або простий текст TXT. Вкажіть мову документа зі списку - понад 100 мов від німецької та англійської через російську, арабську та гінді до японської, корейської та китайської, кожна під своєю назвою - щоб символи розпізнавалися правильно. Все працює у браузері через WebAssembly: той самий Tesseract із відкритим кодом, що й в інструменті "Зображення в текст", лише застосовується посторінково до всього PDF. При першому використанні рушій і мовна модель завантажуються один раз (кілька МБ, те саме джерело); після цього працює офлайн.
Інструмент призначений для відсканованих або графічних PDF. Якість розпізнавання сильно залежить від якості скану: чіткі, прямі, контрастні сторінки з друкованим текстом розпізнаються дуже добре; перекошені або розмиті - значно гірше; рукопис ненадійно. У пошуковому PDF кожна сторінка знову вбудовується як зображення - PDF, що вже містить справжній текст, у OCR не потребує. Перевіряйте результат для цифр і власних назв.
| Вхідні формати | |
|---|---|
| Вихідний формат | |
| Пакетна обробка | Так |
| Обробка | Локально в браузері (WebAssembly) |
| Завантаження файлів | Немає |
Обмеження: Для ВІДСКАНОВАНИХ / графічних PDF: робить їх доступними для пошуку через OCR (невидимий текстовий шар) або повертає простий текст. Розпізнає ДРУКОВАНИЙ текст понад 100 мовами та у багатьох алфавітах; рукопис ненадійно. Примітка: невидимий текстовий шар у пошуковому PDF використовує шрифт Latin-1 - нелатинські символи (наприклад CJK, арабський, кирилиця) там не вбудовуються; для таких алфавітів виберіть виведення "Лише текст (TXT)". У пошуковому PDF кожна сторінка знову вбудовується як зображення, макет зберігається, але файл може збільшитися; PDF із наявним справжнім текстом у OCR не потребує. Розпізнавання не ідеальне - перевіряйте цифри та власні назви. Рушій і мовна модель завантажуються один раз (кілька МБ, те саме джерело), потім доступно офлайн. Великі PDF потребують часу і пам'яті залежно від кількості сторінок і пристрою.
Ні. Рендеринг і розпізнавання виконуються повністю локально в браузері (WebAssembly); PDF ніколи не покидає ваш пристрій - особливо важливо для договорів і офіційного листування.
Сторінка виглядає як скан, але під нею знаходиться невидимий текстовий шар. Це дозволяє шукати по PDF, виділяти та копіювати текст - візуальне оформлення при цьому не змінюється.
Так. Кожна сторінка вбудовується як зображення оригіналу, невидимий текстовий шар вирівняний точно поверх. Зовнішній вигляд не змінюється, але файл може трохи збільшитися.
Інші мови - так: доступно понад 100 (включаючи арабську, російську, гінді, японську, корейську, китайську). Рукопис розпізнається ненадійно, лише друкований текст. Для нелатинських алфавітів використовуйте виведення "Лише текст (TXT)", оскільки текстовий шар пошукового PDF обмежений Latin-1.