OCR - tee PDF:stä haettava

Ei. Skannattu kuva pysyy tavu tavulta ennallaan; siihen lisätään sen päälle näkymätön tekstikerros, samanlainen rakenne, jota skanneriohjelmistot käyttävät haettavissa PDF-tiedostoissa. Haku, valinta ja kopiointi toimivat; tuloste ei muutu.

Kyseessä on Tesseract 5:n neuroverkkomoottori, sama joka on useimpien avoimen lähdekoodin OCR-ratkaisujen taustalla, ja se toimii WebAssemblynä selaimessasi. Siisti 300 dpi:n skannaus painetusta tekstistä tunnistuu lähes virheettömästi; vino, haalea tai valokuvattu sivu heikommin - suorista se ensin Suorista PDF -työkalulla. Myös sanat, joista moottori ei ollut varma, sijoitetaan, joten haku löytää ne silti, ja työkalu kertoo, kuinka monta niitä oli.

Unkari, englanti, saksa, ranska, italia, espanja, puola, romania, slovakki, tšekki, kroatia, sloveeni, serbia (latinalainen ja kyrillinen), ukraina, venäjä, bulgaria, kreikka, turkki, tanska, ruotsi, norja, suomi, hollanti, portugali, indonesia, vietnam, liettua, latvia, viro, malaiji, latina, arabia, persia, heprea, kiina (yksinkertaistettu ja perinteinen), japani, korea sekä saksan fraktuura sotaa edeltäneelle goottilaiselle painatukselle, missä tahansa yhdistelmässä - kaksikielisen sopimuksen voi lukea kahdella kielellä. Jokainen kieli on erillinen lataus, jonka selain sitten säilyttää.

Mitään ei ladata palvelimelle: tiedosto avataan ja käsitellään selaimessasi, eikä se koskaan poistu laitteeltasi. Sulje välilehti, niin se on poissa. Myös OCR-moottori ja sen kielitiedostot tulevat tältä sivustolta, joten edes kielivalintaasi ei lähetetä minnekään.

Oletuksena vain ne, joilla ei vielä ole tekstikerrosta, koska digitaalisesti luodulla sivulla on jo sellainen ja toinen kerros kahdentaisi jokaisen hakuosuman. Jos aiempi OCR onnistui huonosti, vaihda valintaan kaikki sivut - uusi kerros tulee vanhan alle.

Kauemmin kuin mikään muu täällä - tunnistus on todellista työtä, ja jokainen sivu vie hetken nopeallakin koneella, joten pitkä skannaus kannattaa käynnistää ja antaa sen tehdä työnsä. Ensimmäinen ajo myös hakee tunnistusmoottorin ja kielidatan (muutama megatavu, tältä sivustolta eikä CDN:stä); sen jälkeen ne ovat selaimesi välimuistissa, ja painike näyttää edistymisen sivu sivulta.

Voit. Pudota .docx-, .xlsx- tai .pptx-tiedosto tai kuva (JPG, PNG, WebP...), niin se muunnetaan saapuessaan PDF:ksi selaimessasi - kuva A4-sivulle - ja käsitellään sitten kuten mikä tahansa muu PDF; mitään ei ladata palvelimelle. Muunnos on omamme, joten tulos voi poiketa hieman Officen omasta PDF-viennistä: fontti voidaan korvata toisella, ja kaaviot jätetään pois. Tiedostoluettelo näyttää varoituksen, jos jotain ei voitu siirtää mukaan.