OCR - kereshető PDF

Nem. A beolvasott kép bájtra ugyanaz marad; ami hozzáadódik, az egy láthatatlan szövegréteg fölötte - ugyanaz a szerkezet, amit a szkennerprogramok használnak a kereshető PDF-hez. A keresés, kijelölés, másolás működik; a nyomtatott kép változatlan.

A Tesseract 5 neurális motorja, ami a legtöbb nyílt forrású OCR mögött áll, WebAssemblyként a böngésződben. Egy tiszta, 300 dpi-s nyomtatott szkenn szinte betűpontosan jön ki; egy ferde, halvány vagy lefényképezett oldal kevésbé - azt előbb egyenesítsd ki a Kiegyenesítés eszközzel. A bizonytalan szavak is a helyükre kerülnek, hogy a keresés megtalálja őket, és az eszköz megmondja, hány ilyen volt.

Magyar, angol, német, francia, olasz, spanyol, lengyel, román, szlovák, cseh, horvát, szlovén, szerb (latin és cirill), ukrán, orosz, bolgár, görög, török, dán, svéd, norvég, finn, holland, portugál, indonéz, vietnámi, litván, lett, észt, maláj, latin, arab, perzsa, héber, kínai (egyszerűsített és hagyományos), japán, koreai, valamint a háború előtti gót betűs nyomtatványokhoz német fraktúr, bármilyen kombinációban - egy kétnyelvű szerződés két nyelvvel olvasható. Minden nyelv külön letöltés, amit a böngésző utána megőriz.

Semmi nem kerül feltöltésre: a fájl a böngésződben nyílik meg és ott dolgozzuk fel, a gépedet nem hagyja el. Ha bezárod a fület, nyoma sem marad. Az OCR-motor és a nyelvi fájlok is erről az oldalról jönnek, így még a nyelvválasztás sem kerül sehová.

Alapból csak azokat, amelyeken még nincs szövegréteg, mert egy digitálisan született oldalon már van, és egy második megduplázná a találatokat. Ha egy korábbi OCR gyenge munkát végzett, válaszd az összes oldalt - az új réteg a régi alá kerül.

Tovább, mint bármi más itt - a felismerés valódi munka, és minden oldal eltart egy kicsit még gyors gépen is, ezért egy hosszú szkennelést érdemes elindítani és hagyni futni. Az első futtatás ezen felül letölti a felismerő motort és a nyelvi adatokat (néhány megabájt, erről az oldalról, nem CDN-ről); onnantól a böngésződ gyorsítótárában vannak, a gomb pedig oldalról oldalra mutatja, hol tart.

Igen. Húzz be egy .docx, .xlsx vagy .pptx fájlt vagy egy képet (JPG, PNG, WebP...), és a böngésződben rögtön PDF lesz belőle - a kép egy A4-es oldalra kerül -, utána pedig úgy dolgozunk vele, mint bármelyik PDF-fel; semmi nem töltődik fel. Az átalakítás a sajátunk, ezért az eredmény kicsit eltérhet az Office saját PDF-exportjától: egy betűtípust helyettesíthetünk, a diagramok kimaradnak. Ha valamit nem sikerült átvinni, a fájllistában figyelmeztetés jelzi.