OCR - 검색 가능한 PDF 만들기

아니요. 스캔 이미지는 바이트 하나 바뀌지 않고 그대로 남습니다. 그 위에 보이지 않는 텍스트 레이어가 추가될 뿐이며, 스캐너 소프트웨어가 검색 가능한 PDF를 만들 때와 같은 방식입니다. 검색, 선택, 복사가 가능해지고 인쇄 결과는 그대로입니다.

대부분의 오픈 소스 OCR에 쓰이는 Tesseract 5의 신경망 엔진을 WebAssembly로 브라우저에서 실행합니다. 인쇄된 텍스트를 300 dpi로 깔끔하게 스캔했다면 거의 완벽하게 인식됩니다. 기울어졌거나 흐리거나 사진으로 찍은 페이지는 정확도가 떨어지므로 먼저 PDF 기울기 보정 도구로 바로잡으세요. 엔진이 확신하지 못한 단어도 배치되므로 검색에는 걸리며, 그런 단어가 몇 개인지 도구가 알려 드립니다.

헝가리어, 영어, 독일어, 프랑스어, 이탈리아어, 스페인어, 폴란드어, 루마니아어, 슬로바키아어, 체코어, 크로아티아어, 슬로베니아어, 세르비아어(라틴 문자와 키릴 문자), 우크라이나어, 러시아어, 불가리아어, 그리스어, 튀르키예어, 덴마크어, 스웨덴어, 노르웨이어, 핀란드어, 네덜란드어, 포르투갈어, 인도네시아어, 베트남어, 리투아니아어, 라트비아어, 에스토니아어, 말레이어, 라틴어, 아랍어, 페르시아어, 히브리어, 중국어(간체와 번체), 일본어, 한국어, 그리고 전쟁 전 블랙레터 인쇄물용 독일어 프락투어를 지원하며 자유롭게 조합할 수 있습니다. 이중 언어 계약서라면 두 언어로 읽으면 됩니다. 각 언어는 따로 다운로드되며 이후 브라우저에 보관됩니다.

아무것도 업로드되지 않습니다. 파일은 브라우저 안에서 열리고 처리되며 기기 밖으로 나가지 않습니다. 탭을 닫으면 사라집니다. OCR 엔진과 언어 파일도 이 사이트에서 제공되므로 어떤 언어를 선택했는지조차 외부로 전송되지 않습니다.

기본적으로 아직 텍스트 레이어가 없는 페이지만 인식합니다. 디지털로 만든 페이지에는 이미 텍스트 레이어가 있고, 하나 더 추가하면 검색 결과가 모두 두 번씩 나오기 때문입니다. 이전 OCR 결과가 좋지 않았다면 '모든 페이지'로 바꾸세요. 새 레이어는 기존 레이어 아래에 들어갑니다.

여기 있는 어떤 도구보다 오래 걸립니다. 인식은 실제로 많은 작업이 필요해 빠른 컴퓨터에서도 페이지마다 시간이 들기 때문에, 긴 스캔은 시작해 두고 기다리는 편이 좋습니다. 처음 실행할 때는 인식 엔진과 언어 데이터(몇 MB, CDN이 아닌 이 사이트에서 제공)도 받아 옵니다. 그 후에는 브라우저에 캐시되며, 버튼에 페이지별 진행 상황이 표시됩니다.

네. .docx, .xlsx, .pptx 파일이나 이미지(JPG, PNG, WebP 등)를 끌어다 놓으면 추가되는 즉시 브라우저에서 PDF로 변환되고(이미지는 A4 페이지에 배치), 이후 다른 PDF와 똑같이 처리됩니다. 아무것도 업로드되지 않습니다. 변환은 자체 방식이라 Office에서 직접 내보낸 PDF와 조금 다를 수 있습니다. 글꼴이 대체될 수 있고 차트는 제외됩니다. 옮기지 못한 내용이 있으면 파일 목록에 경고가 표시됩니다.