OCR - prehľadávateľné PDF

Nie. Naskenovaný obrázok zostane bajt po bajte taký, aký bol; pridá sa len neviditeľná textová vrstva nad ním, rovnaká konštrukcia, akú používa softvér skenerov pre prehľadávateľné PDF. Vyhľadávanie, označovanie a kopírovanie fungujú; tlač sa nezmení.

Ide o neurónový modul Tesseract 5, ten istý, na ktorom stojí väčšina open-source OCR, spustený ako WebAssembly vo vašom prehliadači. Čistý sken tlačeného textu pri 300 dpi vyjde takmer bez chyby; šikmá, bledá alebo odfotená strana menej - najprv ju vyrovnajte nástrojom Narovnať PDF. Slová, ktorými si modul nebol istý, sa aj tak umiestnia, takže ich vyhľadávanie nájde, a nástroj uvedie, koľko ich bolo.

Maďarčina, angličtina, nemčina, francúzština, taliančina, španielčina, poľština, rumunčina, slovenčina, čeština, chorvátčina, slovinčina, srbčina (latinka aj cyrilika), ukrajinčina, ruština, bulharčina, gréčtina, turečtina, dánčina, švédčina, nórčina, fínčina, holandčina, portugalčina, indonézština, vietnamčina, litovčina, lotyština, estónčina, malajčina, latinčina, arabčina, perzština, hebrejčina, čínština (zjednodušená aj tradičná), japončina, kórejčina a nemecká fraktúra pre predvojnovú tlač gotickým písmom, v ľubovoľnej kombinácii - dvojjazyčnú zmluvu možno čítať s dvoma. Každý jazyk je samostatné stiahnutie, ktoré si prehliadač potom ponechá.

Nič sa nenahráva: súbor sa otvorí a spracuje vo vašom prehliadači a nikdy neopustí vaše zariadenie. Zatvorte kartu a je preč. Modul OCR a jeho jazykové súbory tiež pochádzajú z tohto webu, takže ani voľba jazyka sa nikam neodosiela.

Predvolene len tie, ktoré ešte nemajú textovú vrstvu, pretože digitálne vytvorená strana ju už má a druhá by zdvojila každý výsledok vyhľadávania. Ak predchádzajúce OCR odviedlo zlú prácu, prepnite na každú stranu - nová vrstva sa uloží pod starú.

Dlhšie než čokoľvek iné tu - rozpoznávanie je skutočná práca a každá strana chvíľu trvá aj na rýchlom počítači, takže dlhý sken sa oplatí spustiť a nechať bežať. Prvé spustenie navyše stiahne rozpoznávací modul a jazykové dáta (niekoľko megabajtov, z tohto webu, nie z CDN); potom ich má prehliadač v medzipamäti a tlačidlo ukazuje, ako ďaleko sa dostalo, strana po strane.

Áno. Pretiahnite sem súbor .docx, .xlsx alebo .pptx alebo obrázok (JPG, PNG, WebP...) a hneď po pridaní sa vo vašom prehliadači prevedie na PDF - obrázok na stranu A4 - a potom sa spracuje ako každé iné PDF; nič sa nenahráva. Prevod je náš vlastný, takže výsledok sa môže mierne líšiť od exportu do PDF priamo z Office: písmo môže byť nahradené a grafy sa vynechajú. Ak sa niečo nepodarilo preniesť, zoznam súborov zobrazí upozornenie.