Alati

OCR - omogući pretraživanje PDF-a

Sken je slika: u njemu se ništa ne može pretraživati, označiti ni kopirati. OCR iz njega čita riječi i preko stranice polaže nevidljiv tekstni sloj, riječ po riječ ondje gdje je svaka otisnuta, pa pretraživanje ističe pravo mjesto, a označavanje prati redak. Prepoznavanje se odvija u vašem pregledniku pomoću Tesseracta, na četrdeset jezika, a skenirana slika ostaje točno onakva kakva je bila.

Vodič korak po korak sa snimkama zaslona (na engleskom)

Ovdje ispustite PDF-ove, slike ili datoteke Officea

Povucite ih izravno s radne površine

ili
  • PDF, JPG, PNG, WebP, Word, Excel, PowerPoint
  • Do 15 MB svaka
  • 2 datoteke po obradi - neograničeno uz Pro

Česta pitanja

Mijenja li OCR izgled skena?

Ne. Skenirana slika ostaje bajt po bajt kakva je bila; dodaje se nevidljiv tekstni sloj iznad nje, ista konstrukcija koju softver skenera koristi za PDF koji se može pretraživati. Pretraživanje, označavanje i kopiranje rade; ispis se ne mijenja.

Koliko je prepoznavanje dobro?

Riječ je o neuronskom mehanizmu Tesseracta 5, istom koji pokreće većinu OCR-a otvorenog koda, a u vašem pregledniku radi kao WebAssembly. Čist sken otisnutog teksta pri 300 dpi izlazi gotovo bez pogreške; nakrivljena, blijeda ili fotografirana stranica slabije - najprije je izravnajte alatom Izravnaj PDF. Riječi u koje mehanizam nije bio siguran ipak se postavljaju, pa ih pretraživanje i dalje pronalazi, a alat navodi koliko ih je bilo.

Koji jezici i mogu li odabrati više njih?

Mađarski, engleski, njemački, francuski, talijanski, španjolski, poljski, rumunjski, slovački, češki, hrvatski, slovenski, srpski (latinica i ćirilica), ukrajinski, ruski, bugarski, grčki, turski, danski, švedski, norveški, finski, nizozemski, portugalski, indonezijski, vijetnamski, litavski, latvijski, estonski, malajski, latinski, arapski, perzijski, hebrejski, kineski (pojednostavljeni i tradicionalni), japanski, korejski i njemačka fraktura za predratni gotički tisak, u bilo kojoj kombinaciji - dvojezični ugovor može se čitati s dva jezika. Svaki je jezik zasebno preuzimanje koje preglednik zatim čuva.

Prenosi li se PDF na poslužitelj?

Ništa se ne prenosi: datoteka se otvara i obrađuje u vašem pregledniku i nikad ne napušta vaš uređaj. Zatvorite karticu i nema je. OCR mehanizam i njegove jezične datoteke također dolaze s ove stranice, pa se nigdje ne šalje čak ni odabir jezika.

Koje stranice čita?

Prema zadanim postavkama samo one koje još nemaju tekstni sloj, jer digitalno izrađena stranica već ima sloj, a drugi bi udvostručio svaki pogodak pretraživanja. Ako je raniji OCR loše obavio posao, prebacite na sve stranice - novi sloj ide ispod starog.

Koliko traje?

Dulje od svega ostalog ovdje - prepoznavanje je pravi posao i svaka stranica traje trenutak čak i na brzom računalu, pa se dugi sken isplati pokrenuti i ostaviti da radi. Prvo pokretanje dohvaća i mehanizam za prepoznavanje i jezične podatke (nekoliko megabajta, s ove stranice, a ne s CDN-a); nakon toga ih preglednik ima u predmemoriji, a gumb stranicu po stranicu prikazuje dokle je stigao.

Mogu li umjesto PDF-a upotrijebiti datoteku Word, Excel ili PowerPoint ili fotografiju?

Da. Ubacite datoteku .docx, .xlsx ili .pptx ili sliku (JPG, PNG, WebP...) i ona se čim stigne pretvara u PDF u vašem pregledniku - slika na stranicu A4 - a zatim se obrađuje kao svaki drugi PDF; ništa se ne prenosi na poslužitelj. Pretvorba je naša vlastita, pa se rezultat može malo razlikovati od Officeova izvoza u PDF: font može biti zamijenjen, a grafikoni se izostavljaju. Popis datoteka prikazuje upozorenje kad se nešto nije moglo prenijeti.

Nešto vam nedostaje ili vas je rezultat iznenadio?

Povezani alati