OCR - PDF căutabil

Nu. Imaginea scanată rămâne octet cu octet așa cum era; ce se adaugă este un strat de text invizibil deasupra ei, aceeași construcție pe care o folosesc programele scanerelor pentru un PDF căutabil. Căutarea, selectarea și copierea funcționează; tipărirea rămâne neschimbată.

Este motorul neuronal Tesseract 5, același din spatele majorității soluțiilor OCR open-source, care rulează ca WebAssembly în browserul tău. O scanare curată la 300 dpi a unui text tipărit iese aproape fără greșeli; o pagină înclinată, ștearsă sau fotografiată mai puțin bine - îndrept-o mai întâi cu Îndreptare PDF. Cuvintele de care motorul nu a fost sigur sunt totuși plasate, ca o căutare să le găsească, iar instrumentul îți spune câte au fost.

Maghiară, engleză, germană, franceză, italiană, spaniolă, poloneză, română, slovacă, cehă, croată, slovenă, sârbă (latină și chirilică), ucraineană, rusă, bulgară, greacă, turcă, daneză, suedeză, norvegiană, finlandeză, neerlandeză, portugheză, indoneziană, vietnameză, lituaniană, letonă, estonă, malaeză, latină, arabă, persană, ebraică, chineză (simplificată și tradițională), japoneză, coreeană și germană Fraktur pentru tipăriturile gotice de dinainte de război, în orice combinație - un contract bilingv poate fi citit cu două. Fiecare limbă este o descărcare separată, pe care browserul o păstrează apoi.

Nimic nu este încărcat: fișierul este deschis și procesat în browserul tău și nu părăsește niciodată dispozitivul tău. Închide fila și a dispărut. Motorul OCR și fișierele lui de limbă vin tot de pe acest site, așa că nici măcar alegerea limbii nu este trimisă nicăieri.

Implicit doar pe cele care nu au încă un strat de text, pentru că o pagină creată digital are deja unul, iar un al doilea ar dubla fiecare rezultat al căutării. Dacă un OCR anterior a lucrat prost, comută pe toate paginile - noul strat intră sub cel vechi.

Mai mult decât orice altceva de aici - recunoașterea este muncă reală, și fiecare pagină durează o clipă chiar și pe un calculator rapid, așa că o scanare lungă merită pornită și lăsată să ruleze. Prima rulare descarcă și motorul de recunoaștere și datele de limbă (câțiva megaocteți, de pe acest site, nu de pe un CDN); după aceea browserul le are în cache, iar butonul arată cât a avansat, pagină cu pagină.

Da. Adaugă un fișier .docx, .xlsx sau .pptx ori o imagine (JPG, PNG, WebP...) și este transformat în PDF în browserul tău imediat ce ajunge - o imagine pe o pagină A4 - apoi tratat ca orice alt PDF; nimic nu este încărcat. Conversia este a noastră, așa că rezultatul poate diferi puțin de exportul PDF din Office: un font poate fi înlocuit, iar diagramele sunt omise. Lista de fișiere afișează un avertisment când ceva nu a putut fi preluat.