OCR - prohledávatelné PDF

Ne. Naskenovaný obrázek zůstane bajt po bajtu stejný; přidá se jen neviditelná textová vrstva nad ním, stejná konstrukce, jakou pro prohledávatelné PDF používá software skenerů. Hledání, označování a kopírování funguje; tisk se nemění.

Jde o neuronový engine Tesseract 5, tentýž, na kterém stojí většina open-source OCR, spuštěný jako WebAssembly ve vašem prohlížeči. Čistý sken tištěného textu v 300 dpi vyjde téměř bez chyby; nakřivo naskenovaná, bledá nebo vyfotografovaná stránka hůř - nejdřív ji narovnejte nástrojem Narovnat PDF. Slova, kterými si engine nebyl jistý, se umístí také, takže je hledání stále najde, a nástroj uvede, kolik jich bylo.

Maďarštinu, angličtinu, němčinu, francouzštinu, italštinu, španělštinu, polštinu, rumunštinu, slovenštinu, češtinu, chorvatštinu, slovinštinu, srbštinu (latinku i cyrilici), ukrajinštinu, ruštinu, bulharštinu, řečtinu, turečtinu, dánštinu, švédštinu, norštinu, finštinu, nizozemštinu, portugalštinu, indonéštinu, vietnamštinu, litevštinu, lotyštinu, estonštinu, malajštinu, latinu, arabštinu, perštinu, hebrejštinu, čínštinu (zjednodušenou i tradiční), japonštinu, korejštinu a německou frakturu pro předválečný tisk lomeným písmem, v libovolné kombinaci - dvojjazyčnou smlouvu lze číst se dvěma jazyky. Každý jazyk se stahuje zvlášť a prohlížeč si ho pak uchová.

Nic se nenahrává: soubor se otevře a zpracuje ve vašem prohlížeči a nikdy neopustí vaše zařízení. Zavřete kartu a je pryč. Engine OCR i jeho jazykové soubory se také stahují z tohoto webu, takže se nikam neodesílá ani volba jazyka.

Ve výchozím nastavení jen ty, které ještě nemají textovou vrstvu, protože digitálně vytvořená stránka ji už má a druhá by zdvojila každý výsledek hledání. Pokud předchozí OCR odvedlo špatnou práci, přepněte na každou stránku - nová vrstva se vloží pod tu starou.

Déle než cokoli jiného tady - rozpoznávání je skutečná práce a každá stránka chvíli trvá i na rychlém počítači, takže dlouhý sken se vyplatí spustit a nechat běžet. První spuštění také stáhne rozpoznávací engine a jazyková data (několik megabajtů, z tohoto webu, ne z CDN); pak je má prohlížeč v mezipaměti a tlačítko ukazuje, jak daleko je, stránku po stránce.

Ano. Přetáhněte sem soubor .docx, .xlsx nebo .pptx nebo obrázek (JPG, PNG, WebP...) a hned po přidání se ve vašem prohlížeči převede na PDF - obrázek na stránku A4 - a dál se s ním pracuje jako s jakýmkoli jiným PDF; nic se nenahrává. Převod je náš vlastní, takže výsledek se může mírně lišit od exportu do PDF přímo z Office: písmo může být nahrazeno a grafy se vynechají. Pokud se něco nepodařilo přenést, seznam souborů zobrazí upozornění.