PDF OCR इस्तेमाल कैसे करें
- 1
स्कैन किया हुआ PDF जोड़ें
स्कैनर या फ़ोन के स्कैनिंग ऐप से बनी फ़ाइल यहाँ डालें। टूल जाँचता है कि कितने पेज में पहले से चुना जा सकने वाला टेक्स्ट मौजूद है।
- 2
भाषाएँ चुनें
अंग्रेज़ी पहले से चुनी होती है और आपके ब्राउज़र की भाषा सुझाई जाती है। दस्तावेज़ में जो भाषाएँ सच में हैं, उनमें से अधिकतम चार जोड़ें।
- 3
सटीकता और पेज तय करें
सबसे बेहतर विकल्प पेज को 300 DPI पर और तेज़ विकल्प 200 DPI पर पढ़ता है। चाहें तो पेज की रेंज सीमित करें और जिन पेज में टेक्स्ट है उन्हें छोड़ें।
- 4
परिणाम डाउनलोड करें
सर्च हो सकने वाला PDF सेव करें, या पहचाना गया सारा टेक्स्ट .txt फ़ाइल में डाउनलोड करें, जिसमें हर पेज से पहले एक मार्कर होता है।
सीमाएँ और Pro
मुफ़्त: 50 MB तक के PDF, हर बार अधिकतम 200 पेज पर OCR, और उपलब्ध 47 में से एक साथ अधिकतम 4 पहचान भाषाएँ।
Pro में सीमा बढ़कर हर बार 5,000 पेज और 4 GB तक की फ़ाइलें हो जाती है। पहचानने की रफ़्तार फिर भी आपके डिवाइस के प्रोसेसर पर निर्भर करती है। Pro देखें
PDF OCR के बारे में
नतीजे में आपका मूल PDF ही मिलता है, बस हर स्कैन किए पेज पर एक अदृश्य टेक्स्ट लेयर जुड़ जाती है। स्कैन को दोबारा कंप्रेस या दोबारा नहीं बनाया जाता, इसलिए वह पहले जैसा ही दिखता है। फ़र्क़ यह है कि पहचाना गया हर शब्द पेज पर अपनी जगह पर होता है: Ctrl+F से मिल जाता है, खींचकर चुना जा सकता है, और कॉपी-पेस्ट करने पर असली टेक्स्ट मिलता है। पेज 300 DPI पर (तेज़ मोड में 200 DPI पर) रेंडर होते हैं और ओपन-सोर्स OCR इंजन Tesseract उन्हें पढ़ता है, जो आपके ब्राउज़र में WebAssembly के रूप में चलता है। कई पेज साथ-साथ प्रोसेस होते हैं और हर पेज की स्थिति अलग लाइन में दिखती है।
आड़े या उल्टे स्कैन हुए पेज पहचानकर सही दिशा में पढ़े जाते हैं। जिन पेज में पहले से चुना जा सकने वाला टेक्स्ट है, उन्हें छोड़ा जा सकता है ताकि मिले-जुले दस्तावेज़ दो बार प्रोसेस न हों। टेक्स्ट लेयर Unicode में सेव होती है, इसलिए सिरिलिक, यूनानी, अरबी, हिब्रू, हिंदी, थाई, चीनी, जापानी और कोरियाई नतीजे भी लैटिन लिपि की तरह सर्च और कॉपी किए जा सकते हैं। सादे टेक्स्ट का एक्सपोर्ट पहचाना गया सब कुछ पेज दर पेज इकट्ठा कर देता है।
आम इस्तेमाल: पुराने पत्रों और अनुबंधों को सर्च करने लायक बनाना, स्कैन किए बिल से आँकड़े निकालना, स्कैन को Word में कन्वर्ट करने के लिए तैयार करना, या स्क्रीन-रीडर इस्तेमाल करने वालों को ऐसा टेक्स्ट देना जिसे वे सुन सकें।
सटीकता स्कैन पर निर्भर करती है। 300 DPI पर साफ़ छपा टेक्स्ट आमतौर पर लगभग पूरी तरह सही पढ़ा जाता है। हाथ की लिखावट, कम कंट्रास्ट वाली फ़ोटो, सजावटी फ़ॉन्ट, बहुत छोटे अक्षर और तिरछे कोण से खींचे पेज में ग़लतियाँ ज़्यादा होती हैं। ज़्यादा झुके पेज सीधे नहीं किए जाते, और इंजन लेआउट नहीं बल्कि शब्द पढ़ता है, इसलिए कॉलम और टेबल एक्सपोर्ट में सादी पंक्तियों के रूप में आते हैं।
गोपनीयता
स्कैन किए पेज इसी ब्राउज़र टैब में WebAssembly में कंपाइल किए गए Tesseract से रेंडर और पहचाने जाते हैं। न PDF और न पहचाना गया टेक्स्ट किसी सर्वर पर भेजा जाता है। इंजन और आपकी चुनी भाषाओं की फ़ाइलें, हर एक 2 से 15 MB की, एक बार सार्वजनिक CDN से डाउनलोड होकर आपके ब्राउज़र में कैश हो जाती हैं।
खूबियाँ
खोजें और कॉपी करें
पहचाने गए शब्द स्कैन के ऊपर सही जगह पर रखे जाते हैं, इसलिए Acrobat, Preview, Chrome और दूसरे रीडर में खोजना, चुनना और कॉपी करना काम करता है।
स्कैन की क्वालिटी जस की तस
सिर्फ़ एक अदृश्य लेयर जुड़ती है, इसलिए मुहर, हस्ताक्षर और फ़ोटो की तीक्ष्णता बनी रहती है और फ़ाइल का साइज़ मुश्किल से बढ़ता है।
47 भाषाएँ
अंग्रेज़ी, स्पेनिश और जर्मन से लेकर अरबी, हिंदी, चीनी, जापानी और कोरियाई तक, एक बार में चार तक मिलाई जा सकती हैं।
घूमे हुए पेज
आड़े या उल्टे पेज को हर दिशा में आज़माया जाता है और सबसे अच्छा पढ़ा गया नतीजा रखा जाता है।
मिले-जुले दस्तावेज़
जिन पेज में पहले से टेक्स्ट लेयर है उन्हें छुआ नहीं जाता, जिससे आंशिक रूप से स्कैन किए PDF में समय बचता है।