Як користуватися: OCR для PDF
- 1
Додайте відсканований PDF
Перетягніть файл зі сканера або застосунку для сканування на телефоні; інструмент перевірить, на скількох сторінках уже є текст, який можна виділити.
- 2
Оберіть мови
Англійська вибрана за замовчуванням, також пропонується мова вашого браузера; додайте до чотирьох мов, які справді є в документі.
- 3
Налаштуйте точність і сторінки
Режим «Найкраща» читає сторінки з роздільною здатністю 300 DPI, а «Швидше» — 200 DPI. Обмежте розпізнавання діапазоном сторінок і пропускайте сторінки, на яких уже є текст.
- 4
Завантажте результат
Збережіть PDF із пошуком або завантажте все розпізнане як файл .txt із позначкою перед кожною сторінкою.
Ліміти та Pro
Безкоштовно: PDF до 50 MB, розпізнавання до 200 сторінок за один раз і до 4 мов одночасно із 47 доступних.
У тарифі Pro ліміт зростає до 5 000 сторінок за один раз і файлів до 4 GB; швидкість розпізнавання, як і раніше, залежить від процесора вашого пристрою. Дивитися Pro
Про інструмент: OCR для PDF
Результат — ваш початковий PDF із невидимим текстовим шаром, доданим до кожної відсканованої сторінки. Саме зображення скана не стискається повторно й не перемальовується, тому виглядає так само, як раніше, але кожне розпізнане слово тепер розташоване на своєму місці на сторінці: Ctrl+F знаходить його, перетягування мишею виділяє, а після копіювання та вставлення виходить справжній текст. Сторінки відтворюються з роздільною здатністю 300 DPI (200 у режимі «Швидше») і розпізнаються рушієм Tesseract з відкритим кодом, який працює як WebAssembly у вашому браузері; кілька сторінок обробляються паралельно, а для кожної показано рядок стану.
Сторінки, відскановані боком або догори дриґом, визначаються й читаються в правильній орієнтації. Сторінки, на яких уже є текст, можна пропускати, щоб змішані документи не обробляли двічі. Текстовий шар зберігається в Unicode, тому результати кирилицею, грецькою, арабською, івритом, гінді, тайською, китайською, японською та корейською можна шукати й копіювати так само, як латиницю. Експорт у простий текст збирає все розпізнане по сторінках.
Типові випадки: зробити пошук в архівних листах і договорах, дістати цифри зі скану рахунка, підготувати скан до конвертації у Word або надати користувачам екранних читалок текст, який можна прослухати.
Точність залежить від скана. Чистий друкований текст у 300 DPI зазвичай читається майже бездоганно; рукописний текст, малоконтрастні фото, декоративні шрифти, дрібний друк і сторінки, сфотографовані під крутим кутом, дають більше помилок. Сильно нахилені сторінки не вирівнюються, а рушій читає слова, а не розмітку, тому колонки й таблиці в експорті стають звичайними рядками тексту.
Приватність
Скановані сторінки відтворюються й розпізнаються просто у вкладці цього браузера за допомогою Tesseract, скомпільованого у WebAssembly; ні PDF, ні розпізнаний текст не надсилаються на сервер. Рушій і файли обраних мов, по 2–15 MB кожен, завантажуються один раз із публічної CDN і кешуються вашим браузером.
Можливості
Пошук і копіювання
Розпізнані слова розміщені поверх скана, тому пошук, виділення й копіювання працюють в Acrobat, Preview, Chrome та інших програмах для читання.
Якість скана без змін
Додається лише невидимий шар, тому печатки, підписи й фото зберігають початкову чіткість, а розмір файлу майже не зростає.
47 мов
Від англійської, іспанської та німецької до арабської, гінді, китайської, японської й корейської; можна поєднувати до чотирьох одночасно.
Повернуті сторінки
Сторінку, відскановану боком або догори дриґом, перевіряють у кожній орієнтації й залишають найкращий результат.
Змішані документи
Сторінки з наявним текстовим шаром не чіпають, що заощаджує час для PDF, відсканованих лише частково.