Fanya OCR kwenye PDF
Soma maandishi kutoka kurasa zilizochanganuliwa, kikamilifu kwenye kifaa chako. Hakuna kinachopakiwa.
Chagua faili
au idondoshe hapa
Ctrl+V kubandika kutoka ubao wa kunakili
hadi 1 faili, kila moja 25.0 MB
Hubaki kwenye kifaa chako. Hakuna kinachopakiwa.
Jinsi ya OCR PDF
- Chagua PDF moja, au idondoshe kwenye ukurasa.
- Chagua azimio la kuchora. 150 DPI husoma vizuri na huhifadhi kumbukumbu sawa.
- Bofya Badilisha. Kila ukurasa unachorwa, kisha unasomwa kwenye kifaa chako na OCR.
- Pakua faili la .txt lenye maandishi yaliyotambuliwa, ukurasa kwa ukurasa.
OCR hufanya nini hapa, na wapi inaendeshwa
Utambuzi wa herufi kwa macho husoma herufi kutoka pikseli. Zana hii huchora kila ukurasa wa PDF kuwa picha, kisha huipitisha kwa Tesseract, injini ya OCR ya chanzo huria, iliyokusanywa kuwa WebAssembly na inaendeshwa kikamilifu ndani ya kichupo chako. Mfano wa lugha (Kiingereza) na injini yenyewe hutolewa kutoka tovuti hii: hakuna kitu kuhusu hati yako kinachotumwa popote.
Ipo kwa ajili ya kurasa ambazo zana ya kutoa maandishi haiwezi kusaidia: skani, faksi, hati zilizopigwa picha. Matokeo ni maandishi matupu yenye sehemu iliyowekwa alama kwa kila ukurasa, tayari kwa utafutaji, tafsiri au kihariri.
Matumizi ya kwanza hupakua injini, megabaiti chache, inayohifadhiwa na kivinjari baadaye. Kasi ya utambuzi inategemea kifaa chako; simu husoma ukurasa kwa sekunde chache, kompyuta ya mkononi kwa kasi zaidi.
Mipaka na maelezo ya ukweli
Usahihi wa OCR hufuata ubora wa picha. Skani safi za 300 DPI husoma karibu kikamilifu; picha za simu za risiti zilizokunjwa zitakuwa na makosa. 150 DPI ni chaguo-msingi la busara; ongeza hadi 300 kwa maandishi madogo.
Maandishi ya Kiingereza pekee kwa sasa. Maandishi ya mkono hayatambuliki: maandishi yaliyochapishwa pekee. Hati ndefu sana ni bora kusindika kwa masafa ya kurasa.
Hati moja kwa kila mzunguko, hadi 25 MB. Utambuzi unaendeshwa kwenye kichupo hiki; picha za kurasa hazitoki kwenye kifaa chako.
Maswali yanayoulizwa sana
Kwa nini OCR badala ya kutoa maandishi?
Utoaji husoma tabaka la maandishi la PDF ya kidijiti. OCR husoma pikseli za skani na picha. Ikiwa utoaji ulirudi tupu, OCR ni zana sahihi.
Ni lugha zipi zinazotumika?
Kiingereza kwa sasa. Mifano zaidi ya lugha inaweza kuongezwa baadaye, kila moja ikitolewa kutoka tovuti hii.
Kwa nini ubadilishaji wa kwanza huchelewa?
Injini ya OCR na mfano wa lugha hupakuliwa mara moja (megabaiti chache) na kuhifadhiwa. Mizunguko inayofuata huanza mara moja.
Hati yangu iliyochanganuliwa inapakiwa?
Hapana. Kurasa huchorwa na kusomwa ndani ya kivinjari chako, kwenye kifaa chako.
Faragha kwa muundo
Hubaki kwenye kifaa chako. Hakuna kinachopakiwa. Ubadilishaji hufanyika kwenye kivinjari chako: fungua kichupo cha mtandao wakati wa kubadilisha na utaona hakuna kinachotumwa. Bila akaunti, bila alama ya maji, bila kikomo cha kila siku.