OCR - Jadikan PDF Dapat Dicari

Tidak. Gambar pindaian tetap sama persis byte demi byte; yang ditambahkan adalah lapisan teks tak terlihat di atasnya, konstruksi yang sama dengan yang digunakan perangkat lunak pemindai untuk PDF yang dapat dicari. Pencarian, pemilihan, dan penyalinan berfungsi; cetakannya tidak berubah.

Ini adalah mesin neural Tesseract 5, yang sama dengan yang digunakan sebagian besar OCR open source, berjalan sebagai WebAssembly di browser Anda. Pindaian 300 dpi yang bersih dari teks cetak hasilnya hampir sempurna huruf demi huruf; halaman yang miring, pudar, atau difoto kurang begitu - luruskan dulu dengan alat Luruskan PDF. Kata yang tidak pasti bagi mesin tetap ditempatkan, jadi pencarian tetap menemukannya, dan alat ini memberi tahu berapa jumlahnya.

Hongaria, Inggris, Jerman, Prancis, Italia, Spanyol, Polandia, Rumania, Slowakia, Ceko, Kroasia, Slovenia, Serbia (Latin dan Kiril), Ukraina, Rusia, Bulgaria, Yunani, Turki, Denmark, Swedia, Norwegia, Finlandia, Belanda, Portugis, Indonesia, Vietnam, Lituania, Latvia, Estonia, Melayu, Latin, Arab, Persia, Ibrani, Tionghoa (sederhana dan tradisional), Jepang, Korea, dan Jerman Fraktur untuk cetakan huruf gotik sebelum perang, dalam kombinasi apa pun - kontrak dwibahasa dapat dibaca dengan dua bahasa. Setiap bahasa adalah unduhan terpisah yang kemudian disimpan oleh browser.

Tidak ada yang diunggah: file dibuka dan diproses di dalam browser Anda dan tidak pernah meninggalkan perangkat Anda. Tutup tab dan file itu hilang. Mesin OCR dan file bahasanya juga berasal dari situs ini, jadi bahkan pilihan bahasa pun tidak dikirim ke mana pun.

Secara default hanya halaman yang belum memiliki lapisan teks, karena halaman digital asli sudah memilikinya dan lapisan kedua akan menggandakan setiap hasil pencarian. Jika OCR sebelumnya hasilnya buruk, beralihlah ke semua halaman - lapisan baru diletakkan di bawah yang lama.

Lebih lama daripada alat lain di sini - pengenalan adalah pekerjaan berat, dan setiap halaman butuh waktu sebentar bahkan di perangkat yang cepat, jadi pindaian yang panjang sebaiknya dimulai lalu dibiarkan berjalan. Proses pertama juga mengambil mesin pengenalan dan data bahasa (beberapa megabyte, dari situs ini, bukan dari CDN); setelah itu browser Anda menyimpannya di cache, dan tombol menunjukkan sejauh mana prosesnya, halaman demi halaman.

Bisa. Letakkan file .docx, .xlsx atau .pptx atau gambar (JPG, PNG, WebP...) dan file itu diubah menjadi PDF di browser Anda begitu tiba - gambar diletakkan pada halaman A4 - lalu diproses seperti PDF lainnya; tidak ada yang diunggah. Konversinya buatan kami sendiri, jadi hasilnya bisa sedikit berbeda dari ekspor PDF Office: font mungkin diganti dan diagram tidak disertakan. Daftar file menampilkan peringatan jika ada yang tidak dapat dibawa.